GitHub Blog · AI & ML· Batu Ozturkler·· 2 小时前精选
GitHub 用 ModernBERT 上下文分类器改进密钥扫描：发现更多真实凭据并减少噪声
GitHub’s model for secret detection: Finding more secrets with less noise
研究任务与主要进展
GitHub 推出由正则筛选与微调 ModernBERT 分类器组成的新密钥扫描管线，用于区分真实凭据和占位符、测试数据、校验和等类似字符串。该管线支持推送前扫描和推送后扫描；在生产 A/B 实验中，仓库所有者加权接受率提升11.5%，推送后扫描中位执行时间降低86%，服务成本较远程 LLM 调用节省超过98%。模型以 8-bit ONNX 形式部署，材料未说明其公开可用范围。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请阅读原文核验。
本站判断
GitHub 将面向密钥扫描的 ModernBERT 分类器接入正则候选生成流程，利用文件路径、变量名及邻近文本区分真实凭据与类似字符串；材料报告仓库所有者加权接受率提升11.5%、推送后扫描中位执行时间降低86%，相对远程 LLM 管线服务成本节省超过98%。这些结果来自 GitHub 的离线评估和客户 A/B 实验，适用于其密钥扫描产品场景，能否迁移到不同代码库与告警策略仍需验证。
来源：GitHub Blog · AI & ML · github.blog