GitHub erkennt mehr Secrets und verkürzt Scans deutlich
TL;DR
GitHub hat einen kontextsensitiven Classifier für die Secret-Erkennung vorgestellt. Das Modell soll relevante Fundstellen besser von harmlosen Treffern unterscheiden und dadurch die gewichtete Akzeptanz um 11,5 Prozent erhöhen. Gleichzeitig sank die mediane Ausführungszeit eines Scans laut GitHub um 86 Prozent. Für Teams mit sensiblen Repositories könnte das weniger Fehlalarme und schnellere Prüfungen bedeuten, die Angaben beruhen hier allerdings auf den von GitHub veröffentlichten Modellwerten.
Nauti's Take
Für Teams mit AI-Workflows ist der relevante Test die Fehlalarmquote im eigenen Codebestand. Die genannten Verbesserungen klingen stark, bleiben hier aber aggregierte Modellwerte: Vor einer breiten Aktivierung sollte ein kleines, repräsentatives Repository gegen die bisherige Erkennung laufen, inklusive Messung von übersehenen Secrets, Fehlalarmen und Scanzeit.
Quellen