GitHub 的秘密检测模型：以更少噪声发现更多秘密

发生了什么

GitHub 介绍了其秘密扫描流水线如何将正则表达式候选检测与微调后的 ModernBERT 分类器结合，利用周围上下文区分真实凭据与相似字符串。与此前的 LLM 流水线相比，离线评估显示精确率提高了 13%，召回率提高了 19%；客户 A/B 实验显示，按仓库所有者加权的接受率提高了 11.5%。推送后的扫描执行时间中位数缩短了 86%，服务成本降低了 98% 以上，因此将通用秘密检测扩展到推送保护变得切实可行。

这件事到目前为止

GitHub 用经过微调的 ModernBERT 分类器取代了此前基于 LLM 的密钥检测流水线。该分类器会利用周边上下文区分真实凭据和相似字符串。GitHub 报告称，检测效果有所提升，运营成本也有所降低，因此将通用密钥检测扩展到推送保护成为可行之举。 该流水线首先使用正则表达式识别潜在密钥，然后由分类器结合上下文进行评估。GitHub 表示，离线评估显示，与此前的流水线相比，精确率提高了 13%，召回率提高了 19%；客户 A/B 实验则显示，按仓库所有者加权的接受率提高了 11.5%。GitHub 还报告称，推送后扫描的执行时间中位数缩短了 86%，服务成本降低了 98% 以上。

继续阅读

正在热议

1. 1Meta 开放发布 Muse Spark Open，支持 Mac 和云端部署，位居美国开放权重模型榜首
2. 2Google 在全球推出 Gemini 4 Argon，并扩大付费访问范围，基准测试结果不一
3. 3OpenAI 为 ChatGPT 中的 GPT-6 Astra Pro 带来并行智能体和更快响应
4. 4Meta的新商业条款引发有关网站抓取和 AI 训练权利的争议