Большинство классических secret scanners хорошо находят токены, у которых есть узнаваемый формат. Например, фиксированный prefix, длина или структура.

С обычным паролем всё сложнее. Строка summer2026! сама по себе может быть чем угодно: тестовым значением, примером документации или реальным credential.

GitHub представил отдельную fine-tuned AI-модель для leaked secret detection, которая анализирует не только значение, но и окружающий код.

Что именно делает новая модель

Модель обучена специально для secret detection и не предназначена для генерации кода или текста.

Она читает контекст вокруг потенциального credential и пытается определить, является ли значение реальным секретом.

GitHub отдельно приводит важный класс примеров: пароли и другие unstructured credentials, у которых нет характерного token format.

То есть scanner может учитывать не только саму строку, но и то, как она используется.

db_password = "example-value"

В таком контексте вероятность того, что значение действительно является password, выше, чем у такой же строки внутри тестового текста или README.

Почему regex и известные token formats уже недостаточны

Традиционный secret scanning очень эффективен там, где провайдер выдаёт ключи предсказуемого формата.

У такого подхода есть два преимущества:

• высокая точность;
• понятное правило обнаружения.

Но огромное количество credentials не имеют уникальной сигнатуры:

• пароли баз данных;
• basic auth credentials;
• внутренние API secrets;
• случайные password-like строки;
• значения из self-hosted систем;
• секреты старых внутренних сервисов.

Именно здесь context-aware detection может расширить покрытие.

AI-detected alerts уже переключаются на новую модель

GitHub сообщает, что пользователи, у которых уже доступны AI-detected Password alerts, автоматически переводятся на новую модель.

Для клиентов GitHub Secret Protection и GitHub Advanced Security такие AI-detected alert scans остаются включены без дополнительной платы сверх соответствующей лицензии.

Это отличается от новых opt-in проверок, которые GitHub планирует тарифицировать через AI Credits.

AI push protection проверяет секрет до попадания в историю

Самое интересное применение новой модели — push protection.

AI-check выполняется во время push и ищет unstructured credentials до того, как они попадут в repository history.

Это принципиально лучше, чем alert после публикации.

Push protection пока не включён для всех

AI-detected secrets в push protection находятся в private preview.

GitHub планирует сделать эту возможность доступной клиентам GitHub Enterprise Cloud или GitHub Team при наличии GitHub Secret Protection или GitHub Advanced Security.

Включение происходит на уровне организации с учётом policies администратора.

Проверка будет расходовать AI Credits

GitHub заранее предупредил о planned billing.

Новые opt-in проверки в AI push protection будут расходовать GitHub AI Credits. Причём check может потребить credits даже в ситуации, когда push в итоге не блокируется.

Использование относится к организации, которой принадлежит repository, с отдельными правилами для некоторых enterprise-managed user сценариев.

Обычные AI-detected alert scans при этом остаются включены в GHSP/GHAS без отдельной оплаты.

Модель придёт и в Copilot /security-review

GitHub также собирается добавить secret classifier в команду:

/security-review

Она используется в Copilot CLI и Copilot app для анализа активных изменений до commit, push или запроса review.

Security review уже умеет возвращать приоритетные findings и рекомендации по исправлению. Новый secret classifier будет работать рядом с существующим LLM-based review.

Эта проверка будет off by default

GitHub отдельно подчёркивает, что новые credit-consuming secret checks не включатся автоматически после запуска /security-review.

Их нужно будет разрешить отдельно там, где plan и policies это позволяют.

Для agent workflows это важный момент: AI-agent не должен самостоятельно включать платную функцию, менять budget или organization policy без явного разрешения.

GitHub Enterprise Server тоже получит новую модель

GitHub планирует добавить AI-detected alerts в GitHub Enterprise Server 3.23 в public preview.

Для GHES эта часть будет доступна с существующей лицензией GHSP/GHAS без дополнительной платы.

Но AI push protection и Copilot security review в этот Server release не входят.

Почему context-aware detection полезен именно сейчас

Количество кода и конфигураций, создаваемых автоматически, растёт.

AI-agent может быстро сгенерировать integration, Docker config, workflow или helper script. Если в его контекст попал реальный credential, тот так же быстро может оказаться в commit.

Это не обязательно означает, что разработчики стали менее аккуратными. Скорость создания software выросла, поэтому security controls приходится переносить ближе к моменту генерации и push.

Новая модель не отменяет обычный secret management

Даже хороший classifier — страховка, а не место хранения паролей.

Secret Scanning уже расширяется не только через AI

GitHub параллельно добавляет обычные pattern-based detectors для новых провайдеров.

Недавно мы разбирали, как Secret Scanning начал обнаруживать ключи Supabase, Lovable и Pydantic.

Новая AI-модель решает другую часть проблемы: credentials, которые нельзя надёжно узнать только по формату.

Практический вывод

GitHub постепенно переносит secret detection из реактивной схемы «нашли после commit» в proactive workflow.

Если модель сможет достаточно точно отличать реальные passwords от тестовых строк, это позволит блокировать более широкий класс утечек прямо на push.

Но вместе с дополнительным покрытием появляется цена проверки, поэтому организациям придётся отдельно настраивать policies и budget для AI Credits.

Официальный источник

GitHub Changelog — Purpose-built model for leaked secret detection