39 Juta Kelayakan Bocor dalam Satu Tahun
Laporan Octoverse 2024 GitHub mendapati 39 juta rahsia bocor di GitHub pada 2024. Itu adalah peningkatan 25% berbanding tahun sebelumnya dari 2023. Rahsia tersebut termasuk kunci API, rentetan pangkalan data, token pengesahan, dan kelayakan awan.
Sebabnya diketahui. Pembangun melakukan kod dengan rahsia di dalamnya. Rahsia berasal daripada sesi penyahpepijat. Atau ia dikodkan keras dan bukannya disimpan dalam pemboleh ubah persekitaran. Pada 39 juta kebocoran, ini bukan perkara luar biasa. Ia adalah rutin.
Alat AI Menambah Saluran Kebocoran Kedua
Penyelidikan GitGuardian 2025 mendapati bahawa 67% pembangun telah tersalah dedahkan rahsia dalam kod. Tabiat yang sama yang mencipta kebocoran GitHub juga mencipta kebocoran alat AI.
Seorang pembangun menampal kod ke dalam Claude, ChatGPT, atau pembantu AI lain untuk mendapatkan bantuan. Kod itu sering mempunyai kelayakan langsung di dalamnya. Model AI menerima rahsia itu. Ia mungkin menyimpannya dalam sejarah perbualan. Ia menghantar ke pelayan pembekal. Pembangun kehilangan kawalan -- tanpa sebarang amaran.
Tiga contoh:
Penyahpepijatan pangkalan data. Seorang pembangun menampal jejak tindanan. Jejak itu termasuk rentetan sambungan. AI membaca kata laluan juga.
Semakan saluran paip. Seorang pembangun berkongsi skrip saluran paip data. Skrip itu mempunyai kunci akses AWS dan kunci rahsia. AI menerima kedua-duanya.
Semakan integrasi API. Seorang pembangun meminta maklum balas mengenai integrasi. Kod tersebut termasuk kunci API rakan kongsi langsung. Kunci itu meninggalkan rangkaian pembangun.
Dalam setiap kes, matlamatnya adalah bantuan yang sah. Kebocoran kelayakan adalah kesan sampingan memberikan AI konteks yang mencukupi. Ini adalah corak yang sama seperti kebocoran GitHub -- bukan jahat, hanya rutin.
Saluran Paip CI/CD Menghadapi Risiko yang Sama
Kebocoran rahsia saluran paip CI/CD meningkat 34% pada 2024. Skrip binaan, konfigurasi penggunaan, dan fail infrastructure-as-code semuanya melalui semakan AI sekarang. Fail-fail ini sering mempunyai kelayakan awan dan token akaun perkhidmatan.
Apabila alat AI meliputi lebih banyak kitaran pembangun -- semakan, dokumentasi, penyahpepijatan, pengoptimuman -- permukaan pendedahan berkembang bersama mereka.
Cara Seni Bina MCP Menghalang Kebocoran
Bagi pasukan yang menggunakan Claude Desktop atau Cursor IDE, seni bina pelayan Model Context Protocol (MCP) meletakkan penapis kelayakan dalam laluan antara pembangun dan model AI.
Pelayan MCP mengendalikan setiap teks yang bergerak melalui sesi itu. Kod yang ditampal, jejak tindanan, fail konfigurasi, konteks penyahpepijatan -- semuanya melalui langkah penganonan sebelum model melihatnya.
Enjin itu menemui corak kelayakan: format kunci API, rentetan pangkalan data, token OAuth, pengepala kunci peribadi, dan format tersuai yang ditentukan oleh pasukan keselamatan anda. Setiap padanan digantikan dengan token sebelum penghantaran.
Begini rupanya dalam amalan:
Seorang pembangun menampal jejak tindanan dengan rentetan sambungan pangkalan data. Pelayan MCP menggantikan rentetan dengan [DB_CONNECTION_1]. AI melihat jejak dengan token di tempatnya. Ia memberikan bantuan penyahpepijatan berdasarkan versi yang dianonkan. Kelayakan sebenar tidak pernah meninggalkan rangkaian dalaman.
Ini menghalang vektor kebocoran yang sama yang memenuhi GitHub dengan rahsia. Salurannya berbeza -- alat AI, bukan komit git -- tetapi pembetulannya berfungsi dengan cara yang sama: halang sebelum ia dihantar.
Lihat gambaran keseluruhan keselamatan kami untuk cara anonym.legal mengendalikan ini merentasi alat AI dan aliran kerja dokumen, dan pusat pematuhan untuk kawalan audit.
Pengesanan Selepas Kejadian Terlambat
Sesetengah pasukan menggunakan pengimbasan pasca-komit untuk menangkap rahsia yang bocor. GitGuardian dan truffleHog berfungsi dengan baik untuk saluran GitHub. Mereka tidak meliputi sesi alat AI.
Apabila rahsia sampai ke pelayan pembekal AI, pendedahan telah berlaku. Pengimbasan menemuinya selepas itu. Penganonan lapisan MCP menghalangnya daripada sampai ke model langsung.
39 juta kebocoran GitHub mendokumentasikan satu saluran. Pendedahan alat AI adalah masalah yang sama dalam saluran dengan pemantauan yang lebih sedikit dan tiada jejak audit. Pencegahan sebelum penghantaran meliputi kedua-duanya.