39 miliona akreditiva procurelo je u jednoj godini
GitHub-ov Octoverse 2024 izvestaj utvrdio je da je 39 miliona tajni procurelo na GitHub-u u 2024. To je rast od 25% u odnosu na prethodnu godinu u poredjenju sa 2023. Tajne ukljucuju API kljuceve, nizove baze podataka, tokene za autentifikaciju i akreditive za oblak.
Uzrok je poznat. Programeri objavljuju kod sa tajnama unutra. Tajne dolaze iz debug sesija. Ili su unete direktno umesto da su pohranjene u promenljivim okruzenja. Sa 39 miliona curenja, ovo nije retko. To je rutina.
AI alati dodaju drugi kanal curenja
GitGuardian-ovo istrazivanje iz 2025. utvrdilo je da je 67% programera slucajno izlozilo tajne u kodu. Iste navike koje stvaraju GitHub curenja takodje stvaraju curenja kroz AI alate.
Programer ubacuje kod u Claude, ChatGPT ili neki drugi AI asistent za pomoc. Taj kod cesto ima zive akreditive. AI model prima tajnu. Moze je pohraniti u istoriju razgovora. Salje je na servere dobavljaca. Programer gubi kontrolu - bez upozorenja.
Tri primera:
Debugovanje baze podataka. Programer ubacuje stek trag. Trag ukljucuje konekcioni niz. AI cita i lozinku.
Pregled cevovoda. Programer deli skriptu cevovoda podataka. Skripta ima AWS pristupni kljuc i tajni kljuc. AI prima oba.
Pregled API integracije. Programer trazi povratnu informaciju o integraciji. Kod ukljucuje zivi API kljuc partnera. Kljuc napusta mrezu programera.
U svakom slucaju, cilj je legitimna pomoc. Curenje akreditiva je sporedni efekat davanja AI-u dovoljno konteksta. Ovo je isti obrazac kao GitHub curenja - nije namerno, samo rutinsko.
CI/CD cevovodi suocavaju se sa istim rizikom
Curenja tajni u CI/CD cevovodima porasla su za 34% u 2024. Skripte za izgradnju, konfiguracije implementacije i datoteke infrastructure-as-code sada prolaze kroz AI pregled. Ove datoteke cesto sadrze akreditive za oblak i tokene servisnih naloga.
Kako AI alati pokrivaju sve vise razvojnog ciklusa - pregled, dokumentacija, debugovanje, optimizacija - povrsina izlozenosti raste zajedno sa njima.
Kako MCP arhitektura blokira curenja
Za timove koji koriste Claude Desktop ili Cursor IDE, arhitektura Model Context Protocol (MCP) servera postavlja filter za akreditive na putu izmedju programera i AI modela.
MCP server obraduje svaki tekst koji prolazi kroz sesiju. Ubaceni kod, stek tragovi, konfiguracione datoteke, debug kontekst - sve prolazi kroz korak anonimizacije pre nego sto model to vidi.
Motor pronalazi obrasce akreditiva: formate API kljuceva, nizove baze podataka, OAuth tokene, zaglavlja privatnih kljuceva i prilagodjene formate koje definise vas bezbednosni tim. Svako podudaranje se zamenjuje tokenom pre prenosa.
Kako to izgleda u praksi:
Programer ubacuje stek trag sa nizom konekcije baze podataka. MCP server zamenjuje niz sa [DB_CONNECTION_1]. AI vidi trag sa tokenom na mestu. Daje pomoc u debaguovanju zasnovanu na anonimizovanoj verziji. Stvarni akreditiv nikada nije napustio internu mrezu.
Ovo zaustavlja isti vektor curenja koji puni GitHub tajnama. Kanal je drugaciji - AI alati, a ne git objave - ali popravka funkcionise na isti nacin: blokirati pre prenosa.
Pogledajte nas bezbednosni pregled za opis kako anonym.legal ovo resava kroz AI alate i radne tokove dokumenata, i centar za uskladjenost za kontrole revizije.
Detekcija nakon cinjenice je prekasna
Neki timovi koriste post-commit skeniranje za hvatanje procurelih tajni. GitGuardian i truffleHog rade dobro za GitHub kanal. Ne pokrivaju AI sesije.
Kada tajna stigne na servere AI dobavljaca, izlozenost je gotova. Skeniranje je pronalazi posle. MCP-slojeva anonimizacija sprecava je da uopste dodje do modela.
39 miliona GitHub curenja dokumentuje jedan kanal. Izlozenost kroz AI alate je isti problem u kanalu sa manjim nadzorom i bez revizijskog traga. Prevencija pre prenosa pokriva oba.