GitHub 解读秘密凭据检测模型：发现更多真实凭据，减少误报

GitHub’s model for secret detection: Finding more secrets with less noise

GitHub 详解秘密凭据扫描的两阶段流程，用正则生成候选，再由微调的 ModernBERT 结合上下文区分真实凭据与误报。相比此前的 LLM 流程，离线评估的精确率提高 13%、召回率提高 19%，客户 A/B 实验中按仓库所有者加权的告警接受率提高 11.5%。推送后扫描执行时间中位数降低 86%，服务成本降低超过 98%，效率提升也使通用秘密凭据检测能够扩展到推送保护。

推荐理由：GitHub 用正则筛选候选凭据，再让小型分类器结合上下文排除误报，将确定性扫描与机器学习分工用于边界明确的检测任务。