חזרה לפיד
articlesמקור: GitGuardian Blog7.9.2026

בינה מלאכותית והצפת פרטי גישה דלופים: כך מתמודדים עם זה

אמ;לק

בינה מלאכותית מאיצה את קצב דליפת פרטי הגישה למקורות ציבוריים, ומאתגרת צוותי אבטחה להתמודד עם הנפח העצום. GitGuardian מציעה פתרון ניטור חכם המשתמש בסוכנים כדי לסרוק אירועים ציבוריים ולספק ניתוח מקיף של דליפות סודות.

סיכום בעברית: מערכת VibeSec · מדיניות המקורות

נוסף ל-VibeSec:

כותרת מקורית: AI Created a Leaked Credentials Flood: Here's How We're Draining It

בינה מלאכותית והצפת פרטי גישה דלופים: כך מתמודדים עם זה

התוכן המלא בעברית

תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.

⁦TL⁩;⁦DR⁩

• בעיית החשיפה: פיתוח מבוסס בינה מלאכותית (AI-driven) הוביל לחשיפת 1.27 מיליון אישורים בשנה שעברה, עלייה של 81%. נכון לינואר 2026, 64% מהסודות שאומתו כתקפים ב-2022 עדיין לא בוטלו.

• התיקון: GitGuardian Public Secrets Monitoring מריץ כעת שני סוכני AI וניתוח מעמיק על כל תקרית ציבורית ב-GitHub וב-Docker Hub, ומספק הכרעה לגבי הקשר לארגון, ציון סיכון והנמקה גלויה.

• ההשקה: סביבות עבודה חדשות מקבלות את Agents Analysis כברירת מחדל, בעוד סביבות קיימות מקבלות את השדרוג בהדרגה. צוות ארגוני אחד דיווח על שיפור של פי 10 בפריון העבודה, כאשר כל תקרית עדיין נסגרת לאחר ביקורת אנושית.

אישורים עבור שירותי AI הגיעו ל-1.27 מיליון חשיפות בקוד ציבורי בשנה שעברה, עלייה של 81%, כאשר 24,008 סודות ייחודיים הופיעו בקובצי תצורה של MCP בלבד. מה שמחמיר את הנתונים הוא משך הזמן שהם נשארים פעילים: מבין הסודות ש-GitGuardian אימת כתקפים ב-2022, 64% עדיין לא בוטלו בבדיקה חוזרת שביצענו בינואר 2026, מה שאומר שאותם אישורים שדלפו עדיין מעניקים גישה לאותן מערכות מהיום הראשון.

פיתוח מבוסס AI הכפיל את המקומות שבהם אישורים שנפגעו עלולים להופיע בפומבי: לא רק בקוד מקור ובצינורות CI/CD, אלא גם בקובצי תצורה של MCP, במטמונים (caches) של כלי AI, ביומני הפעלה של הטרמינל, ובפלט של סוכנים שכותבים קוד עבור המשתמשים בהם. משטח החשיפה הציבורי גדל מהר יותר מיכולת הניטור של כל צוות.

הקנה מידה שינה את מיקום צוואר הבקבוק ולא יצר אחד חדש. האיתור בנפחים כאלה הוא בר-ביצוע, אך מה שהפך למאתגר הוא כל מה שקורה לאחר ההתראה: ההחלטה האם המפתח שדלף שייך בכלל לארגון שלך, והאם הוא מספיק קריטי כדי לפעול בעניינו עוד היום.

שתי השאלות העיקריות המגדירות כל אירוע ציבורי

שתי שאלות קובעות אם תוכנית ניטור ציבורית מספקת ערך או טובעת ברעש.

1. האם זה באמת שלנו?

אישור המופיע במאגר ציבורי יכול להיות שייך לארגון שלך, ספק, קבלן או מפתח שהשתמש בדומיין שלך בסביבת בדיקה.

המקרים המורכבים דורשים התייחסות לשני כיוונים. מפתח ענן במאגר אישי של אחד המפתחים שלך נראה מחשיד עד ששוקלים את האפשרות שהוא עשוי להיות שייך לחשבון הפרטי שלהם. מפתח שבוצע על ידי מישהו שמעולם לא שמעת עליו, במאגר שלא ידעת על קיומו, נראה לא רלוונטי עד שתבחין שהקוד שמסביב מפנה לאחד מהשירותים הפנימיים שלך. בשני המקרים מדובר באישור פעיל, וההבדל בין "קריטי: להסלים עכשיו" לבין "לא שלנו: להתעלם" הוא הדבר הראשון שמבקר צריך לדעת, וזהו המידע שרוב ציוני הסיכון לא הצליחו לספק בצורה מהימנה.

2. עד כמה זה רציני?

הסיכון הוא תלוי הקשר: סיסמת מסד נתונים בסביבת Production שטרם בוטלה ונמצאת ב-commit ציבורי בן חצי שנה היא מצב שונה לחלוטין ממפתח API של סביבת בדיקה (sandbox). דירוג בסולם של 1 עד 10 ממוטט את ההבדל הזה לערך מספרי בלבד, ללא ההיגיון שמאחוריו, נתיב הטיפול הנדרש, או כל מידע שמוביל צוות AppSec יכול להעביר לאנשי הצוות שלו.

ללא תשובות מהימנות לשתי השאלות, צוותי אבטחה נאלצים לבחור בין טריאז' יתר – סקירת הכל ובזבוז שעות אנליסט על תקריות שמעולם לא היו רלוונטיות – לבין תת-טריאג', כלומר עבודה מהירה מדי שמובילה לפספוס תקריות אמיתיות. אף אחת מהשיטות לא מחזיקה מעמד ככל שהנפח גדל.

צינור ריבוי סוכנים שנבנה עבור שתי השאלות

GitGuardian Public Secrets Monitoring מריץ כעת שני סוכני AI על כל אירוע ציבורי ב-GitHub וב-Docker Hub. סוכן טריאז' עורך הערכה ראשונית של כל אירוע. המקרים המבטיחים ביותר מועברים לסוכן ניתוח עמוק לחקירה יסודית יותר. המסקנות שלהם מוצגות בשלושה מקומות:

פסק דין הקשור לחברה

כל אירוע מסומן כ-Related (קשור), Uncertain (לא ברור), או Unrelated (לא קשור), כאשר ההנמקה זמינה לעיון במקום הסתמכות על הסתברות לפרשנות. רק סוכן הניתוח העמוק יכול לאשר הכרעה כ-Related, כך שסימון זה מעיד שהאירוע עבר בהצלחה את שני שלבי הבדיקה.

ציון סיכון המחושב על ידי סוכן

הציון משקף מה הסוד, היכן הוא הופיע ולמה הוא יכול להגיע. הוא מוגדר פעם אחת ואינו נסחף, וכל דבר שנקבע ⁦Unrelated⁩ מקבל ציון אפס, כך שמיון לפי סיכון קובר את הרעש באופן אוטומטי.

כרטיסייה ⁦Analysis⁩

זהו החלק שמשנה את עבודתו של המבקר בפועל. תצוגת פרטי החקירה מפרטת כיצד הסוכנים עברו משלב הגילוי להכרעה, ומציגה את נימוקי הטריאז', את שלב הניתוח העמוק ואת ציר הזמן של שניהם. רוב הכלים בקטגוריה זו מספקים סיווג ומצפים שהוא יתקבל כעובדה מוגמרת, דבר שקשה לבקש מצוות שנאלץ להצדיק רוטציית אישורים בפני קבוצת הנדסה שלא ביקשה זאת. כאן מוצגת העבודה מאחורי ההכרעה, כך שמבקר שלא מסכים עם החלטת המערכת יכול לראות אילו אותות הובילו אליה ולשפוט האם הידע שלו על הסביבה משנה את התמונה.

שלוש תצוגות שמורות מגיעות מוגדרות מראש, ומכסות תקריות קשורות לחברה, לא ברורות, ולא קשורות, כך שצוותים פותחים תור עבודה שכבר עבר טריאז' במקום רשימה שטוחה. כאשר הכרעה אינה מדויקת, לולאת משוב מאפשרת למבקרים לסמן זאת, ו-GitGuardian משתמש באות זה כדי לשפר גרסאות עתידיות של הניתוח.

Agents Analysis מופעל כברירת מחדל עבור סביבות עבודה חדשות ב-Public Secrets Monitoring, המקבלות באופן מיידי את ההכרעה, ציון הסיכון, כרטיסיית ה-Analysis והתצוגות השמורות החדשות. סביבות עבודה קיימות עוברות שדרוג בהדרגה, מאחר שצוותים רבים בנו תהליכי עבודה סביב התגים והניקוד הקודמים, ועליהם להבין את השינויים לפני שהם נכנסים לתוקף. היכולת נמצאת בגרסת בטא, הניתוח זמין תוך יום מגילוי האירוע, ולקוחות המעוניינים להפעיל זאת מוקדם יכולים לפנות ל-Customer Success Manager שלהם.

מגילוי לפעולה

צוות אבטחה ארגוני אחד שניהל את תקריות ה-GitGuardian שלהם באמצעות שילוב שרת MCP דיווח על שיפור של פי 10 בפריון. ההקשר שנוצר על ידי הסוכן – כלומר ההכרעה, הנימוקים וציון הסיכון – מחליף את החקירה הידנית שהייתה נדרשת לפני כל שיחת תיקון. האנליסט שצריך לדעת האם אירוע שייך לארגונו ועד כמה הוא חמור, מקבל כעת את התשובה הזו לצד האירוע, במקום לצאת ולחפש אותה בעצמו.

כאן, אתה יכול לקרוא על איך קיבלנו דליפת GitHub ⁦CISA⁩ תוך פחות מיממה .

איפה האות הכי חשוב

⁦Public Secrets Monitoring⁩ תמיד ישב בנקודה מסוימת כיצד ארגונים מגיבים לחשיפה. רוב הזמן, סוד שמופיע בציבור נחשף תחילה פנימית, מה שהופך את ההתרעה הציבורית פחות לנקודת התחלה מאשר האות החיצוני המוקדם ביותר שמשהו במעלה הזרם כבר השתבש.

זה הופך את החלטת הטריאג' למשמעותית יותר ממה שהיא נראית, מכיוון ש-False Positive מבזבז שעות של אנליסטים, בעוד שפספוס של True Positive עלול להוביל לכך שתוקף יגיע לאישור לפנינו.

ניתוח הסוכנים הופך את האות לחדד יותר: פחות רעש לסינון, הנמקה ברורה יותר לממצאים שאכן זקוקים לתשומת לב אנושית, ודרך מהירה יותר מ"סוד נחשף בציבור" לשאלה הפנימית שחשובה בעצם: מאיפה זה בא ומה עוד נחשף?

הפיתוח ⁦AI-driven⁩ בנה את בעיית החשיפה הזו, ואותו סוג של כלי עבודה הוא כעת מה שהופך אותה לניתנת לניהול, מכיוון שלא ניתן לבחון חשיפה שמגיעה במהירות המכונה במהירות אנושית בלבד. מה שפלטפורמת ⁦GitGuardian⁩ עושה זה להפריד בין הרעש לתקריות שכדאי לקרוא. זה לא סוגר שום דבר באופן אוטומטי, והשיפוט הזה נשאר עם הצוות שלך.

מצא את האישורים שהודלפו שהם למעשה שלך

⁦GitGuardian Public Secrets Monitoring⁩ נותן לכל אירוע פומבי פסק דין, ציון סיכון והנימוק מאחורי שניהם.

⁦FAQ⁩

חשיפת מידע נמשכת גם לאחר ה-commit המקורי. מבין האישורים ש-GitGuardian אימת כתקפים ב-2022, 64% עדיין היו פעילים בינואר 2026, והאישורים עבור שירותי AI גדלו ב-81% משנה לשנה ל-1.27 מיליון חשיפות בקוד ציבורי. תהליכי ביטול (Revocation) כמעט אף פעם לא עומדים בקצב החשיפה החדשה.

ניטור סודות ציבוריים סורק מקורות ציבוריים כגון ⁦GitHub and Docker Hub⁩ לאיתור אישורים הקשורים לארגון שלך. בעוצמת הקול הנוכחית, איתור לבדו אינו מספיק, כך שמערכת שימושית גם קובעת אם האישור הוא באמת שלך ועד כמה חמורה החשיפה לפני שמישהו סוקר אותה.

אין שום סתירה, וזה מתוכנן כך. מנהל סודות (Secrets Manager) מגן על אישורים שהכנסת במכוון לניהול, תוך שליטה על הנפקה, רוטציה וגישה. אין לו נראות לאישורים שמעולם לא אוחסנו בו, וזו בדיוק הקטגוריה שמגיעה למאגרים ציבוריים. זיהוי הוא מנגנון בקרה נפרד.

אשר שהאישור שייך לארגון שלך ולאחר מכן בטל או סובב אותו. ההיקף מגיע לאחר מכן: מצא היכן עוד קיים הסוד בפנים, שכן הופעה פומבית יכולה להיות סימפטום במורד הזרם ולא המקור. סגור את האירוע לאחר זיהוי ותיקון המקור הפנימי.

חוקרים שלפו מפתחות API אמיתיים שדלפו מתוך שלושה מודלי LLM באמצעות פלט API בלבד. הנה הדרך שבה סוכני AI נושאים סודות ממחשבים ניידים של מפתחים לתוך הקשר המודל, וכיצד לעצור אותם לפני שהמודל יחשף אליהם.

⁦Dwayne McDaniel⁩

שש שיטות עבודה מומלצות לאבטחת סוכני AI עבור צוותים המריצים סוכני קידוד ושרתי MCP: הגבילו את טווח הגישה של סוכן שנפגע וזהו שימוש לרעה באישור.

⁦Soujanya Ain⁩

סוכן AI פועל עם האישורים שלך ועשוי לפעול לפני שתספיק לעצור אותו. תשעה אירועים ממחישים את העלות של זה. שישה אמצעי בקרה מגבילים את הנזק: בידוד הסוכן ב-sandbox, הגבלת טווח האישורים שלו, נעילת התצורה, רישום כל קריאה, סריקת סביבת העבודה מראש, ומדיניות של מניעת גישה כברירת מחדל (deny by default).

⁦Guillaume Valadon⁩

עוזרי קידוד מבוססי AI הם בלתי צפויים מעצם טבעם. למד כיצד תוספי AI מוסיפים בקרות דטרמיניסטיות וכיצד GitGuardian ggshield חוסם סודות לפני שסוכנים יכולים להשתמש בהם.

⁦Dwayne McDaniel⁩

#ai-security#data-leakage#credential-exposure#secrets-management
קרא במקור