GitHub 推出基于 ModernBERT 的通用密钥检测模型

如今，GitHub 上每三个拉取请求中就有一个涉及 AI 智能体。一年前，这个数字还不到十分之一。如果这一速度保持下去，未来两年内，推送到 GitHub 的大部分代码可能都由智能体编写。其中许多代码可能永远不会被人类完整阅读。

如果开发者和智能体的速度加快，我们有责任确保防护能跟上代码创建的加速步伐。这意味着要在更多泄露发生之前加以阻止，并让对仍然存在的暴露的响应更少依赖人工操作。

这是泄露密钥问题的关键节点。开发者并非变得更加粗心；他们是被甩在了后面。让开发者能够创建更多软件的工具，也应当承担更多保护软件的工作。

在本文中，我分享了支撑这一说法的九个季度的数据。我还介绍了我们与 Microsoft Applied Sciences 共同构建的微调分类器，它将推送保护扩展到非结构化密钥。该模型能在不到两毫秒内评估一整组候选密钥，并可能使我们能够阻止的密钥数量增加一倍以上。

被甩在后面，而非粗心大意

公开可见的代码中大约每两秒就出现一个新密钥，过去三年每年翻一番。公众讨论很快便跳到 AI 让开发者变得粗心的观点上。

在 2024 年第二季度到 2026 年第二季度之间，受筛查的推送增长了 2.84 倍，而携带凭据的推送增长了 2.59 倍。在九个完整季度的数据中，我们没有发现每次推送中密钥出现率存在统计学上可检测的趋势。与此同时，我们发现数据表明，开发者比以往任何时候都更了解意外暴露的风险，并且更不愿意接受这种风险。同一时期，被开发者覆盖的推送路径阻止比例从 6.63% 线性下降到 3.93%。这些数字挑战了智能体正导致开发者变得更加粗心的常见说法。

推送更多，推送中密钥出现率无明显上升

公开推送

推送中密钥出现率

202M574M · 2.8×

0300M600M

0%0.5%1.0%

Q2Q3Q4Q1Q2Q3Q4Q1Q2202420252026

2026 Q2 · 574M 次推送 · 0.47% 含密钥

公开推送，2024 年第二季度至 2026 年第二季度。推送中密钥出现率是指检测到密钥的推送占比。涵盖受支持的提供商模式，包括 GitHub 自身的令牌。

在固定比率下，活动翻倍会使预期暴露翻倍。如果每次暴露都需要相同的人工响应，工作量也会翻倍。手动撤销密钥的平均时间徘徊在 40 天左右；大约五分之一超过 90 天。我们正在加速软件的创建，而暴露的凭据却可能保持数周或数月可用，因为人工修复无法与开发同步扩展。

仅仅告诉开发者要更加小心，本身无法解决这个问题。随着代码量的增长，如果软件开发要保持可持续，我们必须阻止更多暴露，并减少对仍然存在的暴露所需的人工投入。

预防能力随算力扩展

过去几年我一直在 GitHub 从事机密扫描工作，过去一年担任该领域的产品负责人。我们最大的成效来自将检测与能够采取行动的系统连接起来。

GitHub 的目录通过我们的机密扫描合作伙伴计划覆盖了 150 多家技术合作伙伴。通过该合作伙伴计划，我们与参与其中的机密签发方合作构建检测器，并报告公开暴露情况，以便他们能够响应。2026 年第二季度，公开扫描平均每秒成功报告 26 个凭据匹配，包括重复观测。一旦收到通知，大量合作伙伴会立即撤销令牌：OpenAI API 密钥、Google Cloud 账户凭据、Slack webhook、Hugging Face 用户令牌、SendGrid 密钥等。所有者可能仍需更换令牌，但撤销无需等待开发者找到并处理 GitHub 警报即可发生。

推送保护介入得更早。它在可识别的凭据进入仓库历史之前就将其拦截，让开发者或代理有机会在出现需要调查的暴露之前修正更改。我们与技术合作伙伴合作，尽可能提高其检测器的精确率，直到我们有足够信心为开发者社区默认对这些机密启用推送保护。

得益于合作伙伴的努力，在过去一个月里，推送保护至少每秒拦截一次机密。就签发方绑定的凭据而言，GitHub 拦截的机密多于漏过的机密。我为我们已经让开发者对此习以为常而感到自豪。

修复能力随人力扩展

计入更多机密类型后，推送保护在新检测到的机密进入仓库历史之前拦截了其中约 30%。剩下的 70% 我们是在凭据不幸已经泄露之后才发现的。而且：

预防能力随算力扩展，但修复能力仍然随人力扩展。
拒绝一次推送消耗的是算力；清理一个已经泄露到可见历史中的机密消耗的是开发者的时间和注意力。
随着代码量的增长，我们必须预防更多暴露，并减少剩余暴露所需的人力投入，否则引入的漏洞数量将变得难以承受。

告诉开发者要更加小心无法解决这种失衡。在开发流程中更早地识别出更多此类机密，是平台必须承担的工作。

解决四体问题

在机密越过推送边界之前，阻止它的成本很小，且决策是二元的：阻止或允许。一旦越过，同一个字符串就可以对真实系统进行身份验证，成本则没有上限。

在许多情况下，我们唯一的检测线索可能是周围的代码和世界上下文。提供商签发的令牌可能有可识别的前缀。内部数据库密码可能完全无结构，没有任何可识别的模式。我们此前已经在推送后利用上下文来发现这些机密；问题在于如何在这种上下文感知判断与其他因素之间取得平衡。

我们将其称为秘密保护的“四体问题”：精度、延迟、吞吐量和成本是相互耦合的约束。防护必须值得开发者花时间。一个适合稍后审查的发现，可能不足以阻止一次推送。误报会打断开发者，并使下一次阻止更难被信任。检查如果太慢、太贵或难以扩展，就会限制其运行频率。

在推送时以低于 2 毫秒的速度进行防护

GitHub 的 AI 驱动通用秘密检测模型利用周围代码上下文，阻止数据库 URL、Kubernetes Secret 清单和 Dockerfile 中类似密码的值，同时允许占位符 changeme。

我们新的 ModernBERT 分类器在上下文中评估候选秘密，而不生成代码或文本。它不仅比现有的基于 LLM 的流水线更精确，而且速度极快，可在不到两毫秒内评估候选批次。它还极具成本效益，足以在关键路径上大规模运行。

将我们的模型纳入推送保护，使我们能够将可阻止的秘密数量增加一倍以上。该功能目前处于私有预览阶段。本月晚些时候，该功能将面向 Enterprise Cloud 和 GitHub Teams 中拥有 GitHub Secret Protection 的组织提供。它将消耗 AI 额度。

我们还将该模型带到推送之外的开发者界面。

从今天起，任何 拥有 AI 秘密检测的组织 都将自动 更新到 新模型。 这些推送后扫描产生的警报仍包含在组织购买的秘密扫描中，无需额外费用。
该 模型还将随 GitHub Enterprise Server 3.23 以公开预览形式发布，将 AI 检测到的警报带给 Secret Protection 客户，即使在气隙环境中也是如此。
我们 正在将该分类器添加到 Copilot CLI 和 Copilot App 的 /security-review 命令中，这样 Copilot 用户甚至无需组织拥有 GitHub Secret Protection 计划，也能在推送前处理秘密。AI 额度使用情况将在你的 AI 使用情况洞察中归属于 GitHub Secret Protection。

展望未来

我们希望看到的未来是：开发者可以将更多工作委托给代理，而无需监督每一个请求；组织保护其凭据安全所需的人数不再随其编写的代码量而增长。我们在保护软件方面，应该为开发者社区带来与我们在生产软件方面同等的进步。

我们希望人们构建更多软件。我们保护软件的能力应该与创造软件的能力同步增长。

文章秘密保护必须与软件同步扩展首次出现在 The GitHub Blog。