
Em 2025, a GitGuardian detetou 28,65 milhões de novos segredos hardcoded (inseridos diretamente no código) em commits públicos no GitHub. Trata-se de um aumento de 34 % face ao ano anterior e do maior salto anual que a empresa alguma vez registou. Este número abrange apenas repositórios públicos. O quadro completo da dispersão de segredos (secrets sprawl), quando se incluem sistemas internos, ferramentas de colaboração e infraestrutura autoalojada, é consideravelmente pior.
Os dados revelam três temas transversais:
- O desenvolvimento assistido por IA passou de experiência a prática corrente e está a acelerar a fuga de credenciais em todas as camadas da stack.
- Os sistemas internos estão muito mais expostos do que a maioria das organizações supõe: repositórios privados, canais de Slack e instâncias de GitLab autoalojadas comportam um risco significativo para as credenciais.
- A remediação continua a ser a falha crítica do setor: 64 % dos segredos confirmados como válidos em 2022 continuavam exploráveis em janeiro de 2026, quatro anos depois da fuga inicial.
Este artigo analisa cada conclusão com os dados e o contexto de que as equipas de TI e de segurança precisam para defender a mudança internamente.
Pontos principais
- A IA é o principal motor da exposição de credenciais. Oito dos dez tipos de segredos expostos com crescimento mais rápido estão ligados a serviços de IA. A infraestrutura de LLM está a expor segredos 5× mais depressa do que os principais fornecedores de modelos.
- Os repositórios internos têm 6× mais probabilidade de conter um segredo hardcoded do que os públicos. «Privado» não é um controlo de segurança.
- Um quarto de todos os incidentes internos tem origem fora da base de código. Slack, Jira e Confluence representam 28 % das fugas, com uma taxa de gravidade crítica superior à das deteções no código.
- A remediação é o fator limitante do setor. 64 % dos segredos confirmados como válidos em 2022 continuavam exploráveis em janeiro de 2026.
- A priorização baseada apenas na validação deixa escapar 46 % dos segredos críticos. As credenciais genéricas (chaves privadas, tokens personalizados, palavras-passe) não podem ser validadas automaticamente, mas estão na origem de metade de todos os incidentes críticos.
- As estações de trabalho dos programadores e os runners de CI/CD são uma superfície de ataque subestimada. O ataque Shai-Hulud 2 encontrou 294 842 ocorrências de segredos em 6943 máquinas comprometidas; 59 % eram runners de CI/CD.
- Os prestadores de serviços externos são um vetor de segredos sem controlo. A GitGuardian encontrou 1834 incidentes críticos em 13 consultoras, que podem afetar 1203 organizações clientes.
- Os ficheiros de configuração MCP são uma nova superfície de fuga, em grande parte sem monitorização. Em 2025, 24 008 segredos únicos ficaram expostos em configurações relacionadas com MCP no GitHub público, dos quais 8,8 % foram confirmados como válidos no momento da deteção.
Qual é a dimensão do problema da dispersão de segredos em 2025?

A dispersão de segredos é a proliferação descontrolada de credenciais hardcoded (chaves de API, palavras-passe, tokens e certificados) em bases de código, ficheiros de configuração e ferramentas de colaboração. Desde 2021, os segredos expostos no GitHub público cresceram 152 %, enquanto a população de programadores cresceu 98 %. A diferença aumenta todos os anos, e 2025 registou o maior aumento anual de volume de que há registo.
A escala em números
| Métrica | Valor em 2025 | Variação |
|---|---|---|
| Total de segredos detetados | 28,65 milhões | +33,9 % em termos homólogos |
| Novos segredos hardcoded no GitHub público | 28,65 milhões | +34 % em termos homólogos |
| Programadores ativos no GitHub | 22,8 milhões | +33,2 % em termos homólogos |
| Repositórios com segredos | 4 012 054 | +39,9 % em termos homólogos |
| Commits públicos | 1,94 mil milhões | +42,7 % em termos homólogos |
| E-mails de alerta Pro Bono enviados | 2,5 milhões | +47 % em termos homólogos |
| Segredos por repositório | ~0,32 | Estável |
A escala do problema é estrutural. Há mais pessoas a escrever mais código, a integrar mais serviços de terceiros e a gerar mais credenciais que podem ser expostas.
Uma métrica manteve-se estável: os segredos por repositório. A densidade ficou praticamente inalterada, o que sugere que o Push Protection do GitHub está a cumprir a sua função de travar as credenciais mais comuns antes de se tornarem públicas. Mas o controlo da densidade não consegue travar o crescimento do volume. Quando o número total de commits quadruplica, mesmo uma taxa de fuga estável por repositório produz um número recorde de credenciais expostas.
Novos segredos hardcoded detetados no GitHub público, 2021–2025
Como a IA está a alimentar uma nova geração de segredos expostos
O desenvolvimento assistido por IA mudou que segredos são expostos, a que ritmo se acumulam e onde acabam. Oito dos dez tipos de segredos expostos com maior crescimento em termos homólogos estão ligados a serviços de IA. Neste momento, o boom da infraestrutura de IA é o principal motor da exposição de credenciais.
O boom da infraestrutura de IA
Em 2025, a GitGuardian detetou 1 275 105 segredos pertencentes a serviços de IA, um aumento de 81 % face a 2024.
Detetores específicos com crescimento mais rápido (relacionados com IA):
| Serviço | Crescimento homólogo | Categoria |
|---|---|---|
| Brave Search | +1255 % | API de pesquisa e recuperação |
| Firecrawl | +796 % | API de pesquisa e recuperação |
| Perplexity | +657 % | API de pesquisa e recuperação |
| Supabase | +992 % | Backend / camada de dados |
| Jina | +334 % | Embeddings / pesquisa |
| LangChain | +108 % | Orquestração |
| Weights & Biases | +114 % | Registo de experiências |
| OpenRouter | +4800 % (48×) | Gateway de modelos |
| DeepSeek | +2300 % (23×) | Fornecedor de modelos |
A tendência mais significativa é o que está a ser exposto para lá dos próprios fornecedores de modelos. A infraestrutura de LLM (a camada de orquestração, recuperação e armazenamento que rodeia os modelos principais) está a expor segredos 5× mais depressa do que os fornecedores de modelos. Só a Supabase já figura entre os 20 segredos mais expostos em termos gerais, com mais de 248 600 ocorrências.
O padrão repete-se: os programadores que criam aplicações com IA ligam um modelo a uma camada de recuperação, a uma ferramenta de orquestração, a uma base de dados vetorial, a um sistema de registo de experiências e a um serviço de monitorização. Cada integração acrescenta uma nova credencial. Cada credencial é uma potencial fuga.
À medida que surgem novos fornecedores de IA, há um atraso inevitável até que a cobertura de deteção os acompanhe. O GitHub Push Protection concentra-se em padrões conhecidos. Os fornecedores novos passam despercebidos. Quando um detetor fica pronto, milhares de chaves podem já ser públicas.
O Claude Code e os commits assistidos por IA expõem segredos ao dobro da taxa de referência
O Claude Code, da Anthropic, passou de 22 commits em coautoria em janeiro de 2025 para 2,16 milhões em dezembro. No conjunto do ano:
- Commits assistidos pelo Claude Code = 0,4 % de tudo o que foi analisado publicamente
- Commits assistidos pelo Claude Code = 0,9 % de todas as fugas
- Taxa de fuga: 3,2 % vs. 1,5 % de referência em todos os commits públicos no GitHub
Taxa de fuga do Claude Code ao longo de 2025:
| Período | Segredos por cada 1000 commits | vs. referência humana |
|---|---|---|
| Janeiro de 2025 | ~13 | ~1× |
| Agosto de 2025 (pico) | 31 | ~2,4× |
| Dezembro de 2025 | ~13 | ~1× |
Os commits do Claude Code foram também sistematicamente maiores: cerca do dobro das linhas de código por commit a partir de abril. Commits maiores significam mais superfície para a exposição de credenciais numa única revisão.
A nuance importante: o programador mantém o controlo de cada commit. Os assistentes de programação com IA são ferramentas. A taxa de fuga elevada reflete decisões humanas (falta de supervisão, pressão de tempo ou a opção deliberada de ignorar avisos) e não um comportamento autónomo da IA.
A lição para as equipas de segurança: tratar os conjuntos de alterações gerados por IA como unidades de revisão de maior impacto, manter a análise automática no fluxo de trabalho dos programadores e garantir uma remediação suficientemente rápida para que um segredo exposto não continue válido tempo suficiente para ser explorado.
24 000 segredos em ficheiros de configuração MCP
O que é o MCP? O Model Context Protocol é a norma que surgiu no início de 2025 para ligar grandes modelos de linguagem a ferramentas e fontes de dados externas. Quando um programador quer que o seu agente de IA consulte uma base de dados, pesquise na web ou interaja com uma plataforma SaaS, é o MCP que gere a ligação, e essas ligações exigem credenciais.
Principais conclusões:
- 24 008 segredos únicos expostos em ficheiros de configuração relacionados com MCP no GitHub público em 2025
- 2117 confirmados como válidos (8,8 %) no momento da deteção
Os 5 tipos de segredos válidos mais frequentes em configurações MCP:
| Tipo de segredo | Percentagem das deteções válidas |
|---|---|
| Chave de API Google | 19 % |
| Cadeia de ligação PostgreSQL | 14 % |
| Firecrawl | 12 % |
| Perplexity | 11 % |
| Brave Search | 11 % |
Porque é que as configurações MCP continuam a expor segredos: os guias oficiais de configuração do MCP normalizam o hardcoding. Documentação de início rápido muito popular mostra chaves de API passadas como argumentos de linha de comandos dentro de ficheiros de configuração do servidor, ou guardadas diretamente em ficheiros JSON que acabam submetidos no controlo de versões. Quando a documentação oficial trata o hardcoding como prática por defeito, a dispersão vem a seguir.
O caso Smithery.ai: a equipa de investigação da GitGuardian divulgou uma vulnerabilidade crítica num dos registos de servidores MCP mais utilizados. Um único bug de path traversal no processo de build Docker da plataforma expôs um token com privilégios excessivos que permitia a execução de código arbitrário em todos os mais de 3000 servidores MCP alojados, bem como o acesso às chaves de API e aos segredos de milhares de clientes em centenas de serviços.
Requisitos mínimos para a gestão de credenciais MCP:
- Nunca guardar segredos em ficheiros de configuração MCP. Utilizar variáveis de ambiente geridas por um gestor de segredos dedicado, e não valores inline em JSON ou argumentos de CLI.
- Os segredos devem pertencer aos clientes, não aos servidores. Os servidores MCP devem pedir as credenciais aos clientes no momento da consulta, em vez de as incorporarem na configuração do lado do servidor.
- Excluir os diretórios de configuração MCP do controlo de versões através de
.gitignore. - Ligar-se a servidores MCP remotos apenas através de TLS.
- Analisar antes de fazer push. As ferramentas de análise pré-commit detetam segredos em ficheiros de configuração MCP antes de chegarem ao controlo de versões.
- Exigir aprovação manual antes de qualquer ação MCP que afete sistemas de produção, bases de dados ou pipelines de implementação.
Os sistemas internos são um perigoso ponto cego

A conclusão com mais consequências do relatório de 2026 é a que recebe menos atenção da imprensa: o perigo é maior onde as organizações se sentem mais seguras. Os repositórios internos, as ferramentas de colaboração e a infraestrutura autoalojada são tratados como seguros por defeito, mas os dados mostram o contrário.
Os repositórios internos expõem 6× mais segredos do que os públicos
| Tipo de repositório | Percentagem com pelo menos um segredo hardcoded |
|---|---|
| Repositórios públicos | 5,6 % |
| Repositórios internos | 32,2 % |
| Rácio | 6× mais provável |
A razão é o antipadrão da «segurança por obscuridade». As equipas de desenvolvimento tendem a ser menos cautelosas dentro de um perímetro fechado. Partem do princípio de que expor um segredo num repositório privado é menos grave, porque não está sujeito ao escrutínio público. O resultado é uma acumulação silenciosa de credenciais hardcoded que deviam ser removidas «mais tarde», o que raramente acontece.
Os repositórios internos guardam também as credenciais mais valiosas:
- Tokens de CI/CD
- Chaves de acesso à nuvem
- Credenciais de bases de dados
- Tokens de ferramentas internas
São exatamente os ativos que um atacante procura depois de obter um primeiro acesso. Um único segredo exposto num repositório privado pode tornar-se um caminho rápido para o movimento lateral em toda a infraestrutura.
Taxas de exposição por setor (repositórios públicos):
| Setor | Repositórios com pelo menos um segredo |
|---|---|
| Petróleo e energia natural | 7,2 % |
| Aviação | 7,0 % |
| Retalho e hotelaria | 5,8 % |
| Saúde | 4,4 % |
Estes valores representam apenas o que é visível externamente. A exposição interna é 6× superior em todos os setores.
As consultoras transformam a dispersão de segredos em risco de terceiros
Os prestadores de serviços externos e as consultoras trabalham em vários ambientes de clientes ao mesmo tempo. Detêm credenciais, tokens e conhecimento da configuração de todos os clientes que servem e, muitas vezes, trabalham em contas ou repositórios pessoais fora da organização GitHub do cliente.
Análise da GitGuardian a 13 consultoras:
| Métrica | Valor |
|---|---|
| Incidentes críticos / altamente sensíveis | 1834 |
| Média de incidentes por empresa | 141 |
| Empresas clientes potencialmente afetadas | 1203 |
| Percentagem de incidentes das 5 principais empresas | 72 % |
A violação de segurança da Red Hat (outubro de 2025): o grupo de cibercrime «Crimson Collective» exfiltrou 570 GB de dados de 28 000 repositórios da instância GitLab interna de consultoria da Red Hat, o que afetou cerca de 800 organizações em todo o mundo. Os dados expostos continham:
- Chaves de API e credenciais de bases de dados
- Tokens de autenticação e configurações de VPN
- Detalhes da infraestrutura e da arquitetura interna
Entre as organizações afetadas estavam o Bank of America, o JPMorgan Chase, a IBM, a Cisco, a Marinha dos EUA e a NSA. Os atacantes usaram as credenciais recolhidas para entrar diretamente na infraestrutura dos clientes.
Qualquer organização que recorra a prestadores de serviços externos ou consultoras tem um problema de segredos de terceiros, quer já o tenha descoberto, quer não.
Uma em cada quatro fugas internas tem origem fora da base de código
Onde têm origem os incidentes internos:
| Origem | Percentagem de incidentes | Taxa de gravidade crítica |
|---|---|---|
| Código-fonte (apenas SCM) | 68 % | 43,7 % |
| Ferramentas de colaboração (apenas ODS) | 28 % | 56,7 % |
| SCM e ODS | 4 % | — |
As ferramentas de colaboração (Slack, Jira, Confluence) representam 28 % dos incidentes, com uma taxa de gravidade crítica 13 pontos percentuais superior à das fugas no código. Os segredos partilhados nestas ferramentas tendem a ser credenciais de produção trocadas durante a resposta a incidentes ou a resolução urgente de problemas, quando as pessoas trabalham depressa e não pensam em higiene de segurança.
A sobreposição de 4 % entre as deteções em SCM e em ODS significa que se trata, em grande parte, de populações de fugas distintas. Analisar apenas os repositórios deixa escapar cerca de um quarto da exposição total de uma organização.
80 000 segredos em instâncias GitLab autoalojadas e registos Docker
A GitGuardian identificou milhares de instâncias GitLab autoalojadas e registos Docker acessíveis publicamente sem autenticação.
Resumo das conclusões:
| Plataforma | Total de segredos | Segredos válidos | Taxa de validade |
|---|---|---|---|
| GitLab autoalojado | 57 000 | ~6800 | 12 % |
| Registos Docker | 23 000 | ~3450 | 15 % |
| Total | 80 000 | ~10 000 | — |
Taxas de validade por tipo de credencial (Docker vs. GitLab):
| Tipo de credencial | Docker | GitLab |
|---|---|---|
| Credenciais de nuvem | 60 % válidas | 47 % válidas |
| Segredos de SCM | 40 % válidos | 2 % válidos |
| Armazenamento de dados | 32 % válidos | 4 % válidos |
Quanto mais próximo um ativo estiver da produção, maior a probabilidade de encontrar uma credencial válida. A taxa de fuga em GitLab autoalojado e Docker é 3–4× superior à do GitHub público.
A investigação revelou ainda mais de 300 000 endereços de e-mail (dos quais 2000 com domínios .gov) e referências a hosts de bases de dados internas e a infraestrutura não pública.
O efeito «bonecas russas»: as fugas expostas publicamente contêm segredos válidos que dão acesso a infraestrutura privada, a qual, por sua vez, expõe mais segredos, o que agrava a violação inicial a cada camada.
64 % dos segredos expostos em 2022 continuam válidos em 2026

Deteção sem remediação não é segurança, é documentação. Os dados longitudinais do relatório de 2026 demonstram-no com clareza.
Validade dos segredos expostos originalmente em 2022, testados de novo ao longo do tempo:
| Data do novo teste | Taxa de validade |
|---|---|
| 2022 (fuga original) | 100 % |
| Janeiro de 2025 | ~70 % |
| Janeiro de 2026 | 64 % |
Estas credenciais estão em código público há quatro anos, exploráveis por qualquer pessoa que as encontre. Esta persistência é um sinal operacional de que o fator limitante do setor é a remediação, e não a deteção.
Porque é que a rotação raramente acontece:
As credenciais não são cadeias de caracteres isoladas. Estão incorporadas em:
- Sistemas de build e pipelines de CI/CD
- Vários repositórios (duplicadas)
- Imagens de contentores (incluídas no momento do build)
- Variáveis de CI e configurações de ambiente
- Integrações com fornecedores e terceiros
A opção de curto prazo de muitas equipas não é a mais segura, é a que evita estragar alguma coisa: não fazer nada.
Distribuição das violações de políticas de NHI (dados de clientes da GitGuardian):
| Tipo de problema | Percentagem dos problemas sinalizados |
|---|---|
| Segredos de longa duração após o prazo de validade | 60,4 % |
| Fugas internas | 17,0 % |
| Segredos duplicados | 15,6 % |
| Fugas públicas | 5,2 % |
A velocidade de criação está a ultrapassar a maturidade da gestão de identidades. A IA facilita a criação da estrutura de projetos e a ligação de serviços, mas também facilita a reprodução de padrões inseguros em escala quando o gesto por defeito é «basta acrescentar uma chave».
Porque falha a priorização baseada apenas na validação
Um pressuposto generalizado na segurança de segredos: se não for possível validar um segredo (confirmar que está ativo), deve baixar-se a sua prioridade. O relatório de 2026 contesta diretamente esta ideia.
46 % dos segredos críticos são invisíveis para as ferramentas que se baseiam apenas na validação
| Métrica | Valor |
|---|---|
| Segredos críticos que escapam às ferramentas baseadas apenas na validação | 46 % |
| Segredos de risco elevado ou superior que nunca são tratados | 83 % |
| Taxa de precisão da validação isolada | ~50 % |
| Segredos não validáveis classificados como críticos | 17 000 |
| Segredos não validáveis classificados como de risco elevado | Mais de 80 000 |
A lacuna existe porque a cobertura da validação é sempre incompleta:
- As API mudam sem aviso prévio
- Estão sempre a surgir novos serviços
- Cada fornecedor exige uma infraestrutura dedicada para validação
- Multiplicam-se as plataformas regionais e setoriais
Ignorar por defeito os segredos não validáveis não é uma estratégia prudente. É um ponto cego sistemático.
Os segredos genéricos estão na origem de metade de todos os incidentes críticos
Os «segredos genéricos» (chaves privadas, tokens de API personalizados, palavras-passe e mecanismos de acesso detetados através de verificações de entropia e de contexto, e não de padrões específicos de um fornecedor) são habitualmente despriorizados por não poderem ser validados automaticamente.
Os dados mostram que isto é um erro:
- 35 % dos incidentes críticos têm origem em credenciais genéricas
- 51 % dos incidentes de gravidade elevada ou crítica têm origem em credenciais genéricas
A investigação conjunta com a Google (2025): a GitGuardian e a Google cruzaram um milhão de chaves privadas expostas com os logs de Certificate Transparency. Principais conclusões:
- 4,5 % das chaves expostas correspondiam a certificados X.509 fidedignos
- Metade tinha um certificado válido no momento da fuga
- Mais de 4000 certificados HTTPS são comprometidos por ano devido a uma chave exposta
- Entre as organizações afetadas estavam várias empresas da Fortune 500 e uma autoridade de certificação fidedigna
- A GitGuardian enviou mais de 4000 e-mails de alerta a 600 organizações; taxa de resposta: inferior a 10 %
Válido nem sempre significa perigoso
O problema inverso é igualmente real. Cerca de 10 % dos segredos válidos têm, por natureza, baixo impacto: tokens de sandbox, credenciais de ambientes de teste, contas de serviço com poucos privilégios e acesso apenas a dados triviais.
Sem uma pontuação de risco contextual, as equipas rodam as credenciais pela ordem de deteção ou de validação, e não pela ordem de ameaça.
As quatro capacidades de que uma segurança de segredos eficaz precisa:
| Capacidade | O que faz |
|---|---|
| Enriquecimento | Compreende o que cada segredo desbloqueia |
| Contexto | Avalia o privilégio, o âmbito e a exposição |
| Pontuação de risco | Prioriza com base no impacto real para o negócio |
| Cobertura total | Trata a cauda longa, e não apenas a minoria validada |
As equipas que ainda trabalham com abordagens baseadas apenas na validação estão sistematicamente expostas precisamente às ameaças mais importantes, enquanto gastam tempo de engenharia com credenciais que representam pouco perigo real.
A estação de trabalho do programador, uma superfície de ataque esquecida
O ataque à cadeia de abastecimento Shai-Hulud 2 deu à GitGuardian dados empíricos diretos sobre o aspeto real dos segredos nas máquinas dos programadores em grande escala. Ao comprometer pacotes npm e executar-se no momento da instalação, o malware recolheu sistematicamente ficheiros de ambiente e executou análises locais estruturadas de segredos em milhares de máquinas reais.
Conclusões do Shai-Hulud 2 em 6943 máquinas comprometidas:
| Métrica | Valor |
|---|---|
| Total de ocorrências de segredos | 294 842 |
| Segredos únicos identificados | 33 185 |
| Ainda válidos no momento da análise | 3760 |
| Média de localizações por segredo ativo | ~8 |
| Máquinas com mais de 10 segredos | 44 % |
| Máquinas com mais de 100 segredos | 5 % |
| Runners de CI/CD (vs. estações de trabalho pessoais) | 59 % |
Cada segredo ativo surgia em cerca de oito localizações diferentes na mesma máquina: dotfiles, perfis de shell, resultados de build, configurações do IDE e caches de ferramentas. Cada cópia é um vetor de roubo independente.
Os tokens GitHub dominaram o conjunto validado:
- 581 tokens de acesso pessoal
- 386 tokens OAuth
- 104 PAT fine-grained (de granularidade fina)
- 101 tokens GitLab
Cada um permite acesso a repositórios, manipulação de workflows ou movimento lateral na cadeia de abastecimento de software. E como 59 % das máquinas comprometidas eram runners de CI/CD, esta exposição vai muito além do programador individual e chega à infraestrutura de build partilhada.
A GitGuardian considera estes números conservadores. O ataque só foi executado onde o pacote malicioso estava instalado. Não chegou às pastas de memória dos agentes, às caches dos IDE nem à crescente superfície de artefactos gerados por IA, que hoje incluem credenciais de forma rotineira.
O caminho a seguir: Da deteção reativa à governação de NHI
A deteção apanha o que já existe. O objetivo é antecipar a exposição, com visibilidade completa sobre cada credencial do ambiente: quem é o seu proprietário, a que dá acesso e se ainda deve existir. Essa mudança, de perseguir fugas para governar identidades não humanas (NHI), é o que a governação de NHI significa na prática.
Passo 1. Centralizar os segredos em plataformas de cofre
Fazer do cofre a fonte de verdade. Quando as equipas conseguem obter credenciais de forma fiável a partir de um local único e com acesso controlado, deixam de inventar estratégias de armazenamento fragmentadas, um dos principais motores da dispersão de segredos. A estrutura de cofres do Passwork foi concebida exatamente para isto: armazenamento organizado, encriptado e com acesso controlado para chaves de API, palavras-passe de bases de dados, certificados, chaves SSH e credenciais de contas de serviço.
Passo 2. Automatizar a rotação
Se um segredo tem de existir, não deve durar para sempre. A substituição regular das credenciais encurta a janela durante a qual um atacante pode explorar um segredo exposto e obriga as equipas a tratar as credenciais como objetos com um ciclo de vida, e não como tarefas de configuração pontuais. A rotação é muito mais simples quando existe uma estratégia de cofre: o cofre passa a ser o único local a atualizar, em vez de ser preciso procurar todos os sítios para onde uma credencial foi copiada.
Passo 3. Corrigir os fluxos de trabalho dos programadores
Os programadores colocam segredos hardcoded porque é a forma mais rápida de pôr o código a funcionar. A necessidade de ficheiros .env partilhados e de tokens copiados desaparece quando obter credenciais a partir do cofre é igualmente rápido. O caminho seguro tem de ser mais fácil do que o inseguro.
Passo 4. Antecipar a análise
A análise pré-commit e a deteção ao nível da estação de trabalho travam os incidentes antes de chegarem a qualquer local permanente. As ferramentas de análise modernas fornecem sinais acionáveis com baixas taxas de falsos positivos, uma melhoria significativa face às ferramentas ruidosas que, no passado, minaram a confiança dos programadores.
Passo 5. Avançar para a autenticação baseada em identidade
A saída a longo prazo dos segredos estáticos de longa duração é o acesso de curta duração, baseado em identidade. Frameworks como o SPIFFE, implementado pelo SPIRE em código aberto, substituem a autenticação por cadeias partilhadas por uma identidade de carga de trabalho com atestação forte. Cada carga de trabalho recebe credenciais just-in-time de curta duração, em vez de uma chave estática que pode ser copiada, exposta e explorada durante anos.
Três princípios para 2026
| Princípio | O que significa na prática |
|---|---|
| Tratar os repositórios internos como fontes de fuga de primeira ordem | Aplicar às deteções internas o mesmo rigor de remediação que às públicas. As credenciais de maior valor estão em sistemas privados. |
| Alargar a deteção para lá do código | Analisar o Slack, o Jira e o Confluence. Analisar apenas os repositórios deixa escapar um quarto da exposição total. |
| Eliminar por completo os segredos hardcoded | Eliminar a causa principal: credenciais estáticas de longa duração guardadas em código, configurações e logs de chat, em vez de sistemas de gestão de segredos. |
Três questões de governação a que todas as organizações devem responder
- Que identidades não humanas existem no nosso ambiente?
- Quem é o seu proprietário?
- A que podem aceder?
Se alguma destas questões não tiver uma resposta segura, a adoção da IA está a ultrapassar a postura de segurança.
Pontos principais para as equipas de TI e de segurança

O relatório da GitGuardian de 2026 é um retrato detalhado de um problema em aceleração. Eis o que os dados exigem na prática:
| Conclusão | Implicação |
|---|---|
| 28,65 milhões de novos segredos num ano (+34 %) | O volume é estrutural: cresce com a base de código, não com o descuido |
| Segredos de serviços de IA +81 %; infraestrutura de LLM com fugas 5× mais rápidas do que os fornecedores de modelos | Cada nova integração de IA acrescenta credenciais que podem ser expostas e que, de facto, o são |
| Repositórios internos com 6× mais probabilidade de conter um segredo | «Privado» não é um controlo de segurança |
| 28 % dos incidentes têm origem em ferramentas de colaboração | Analisar apenas os repositórios deixa escapar um quarto da exposição |
| 64 % dos segredos de 2022 continuam válidos em 2026 | O estrangulamento é a remediação, não a deteção |
| 46 % dos segredos críticos escapam às ferramentas baseadas apenas na validação | A pontuação de risco exige contexto, e não apenas uma verificação de validade |
| 59 % das máquinas comprometidas no Shai-Hulud 2 eram runners de CI/CD | A superfície de ataque estende-se até ao interior da infraestrutura de build |
As organizações que tratam a gestão de credenciais como uma disciplina de ciclo de vida, com cofres centralizados, rotação automática e controlo de acessos imposto, estarão mais bem posicionadas para a era da IA agêntica. As que a tratam como uma tarefa de limpeza vão continuar a descobrir que os seus segredos sobrevivem aos seus pressupostos de segurança.
Perguntas frequentes

O que é a dispersão de segredos?
A dispersão de segredos é a proliferação descontrolada de credenciais hardcoded (chaves de API, palavras-passe, tokens, certificados e cadeias de ligação) em bases de código, ficheiros de configuração, pipelines de CI/CD e ferramentas de colaboração. Ocorre quando as credenciais são criadas mais depressa do que são inventariadas, rodadas ou revogadas, o que deixa as organizações com um inventário crescente de caminhos de acesso exploráveis que não conseguem controlar por completo.
Quantos segredos foram expostos no GitHub em 2025?
A GitGuardian detetou 28,65 milhões de novos segredos hardcoded em commits públicos no GitHub em 2025, um aumento de 34 % face a 2024 e o maior salto anual alguma vez registado. Este valor abrange apenas repositórios públicos. Os repositórios internos, as ferramentas de colaboração e a infraestrutura autoalojada aumentam substancialmente a exposição total.
Que percentagem dos segredos expostos nunca é revogada?
64 % dos segredos confirmados como válidos em 2022 continuavam válidos e exploráveis em janeiro de 2026, o que significa que estiveram em código público durante quatro anos sem serem rodados nem revogados. A taxa de validade era de cerca de 70 % quando o mesmo conjunto de dados foi testado de novo em janeiro de 2025, o que mostra apenas uma descida gradual apesar de quatro anos de exposição.
Porque são os repositórios internos mais perigosos do que os públicos?
Os repositórios internos têm 6× mais probabilidade de conter um segredo hardcoded do que os públicos: 32,2 % contra 5,6 % em 2025. As equipas tendem a ser menos cautelosas dentro de um perímetro fechado, porque partem do princípio de que um repositório privado é seguro por natureza. Os repositórios internos guardam também as credenciais mais valiosas: tokens de CI/CD, chaves de acesso à nuvem e credenciais de bases de dados, exatamente o que os atacantes procuram depois de obterem um primeiro acesso.
Como aumenta a programação assistida por IA o risco de fuga de segredos?
Os assistentes de programação com IA geram commits maiores, com mais código por alteração, o que aumenta a superfície de exposição de credenciais. Os commits em coautoria com o Claude Code expuseram segredos a uma taxa de 3,2 %, mais do dobro da referência de 1,5 % em todos os commits públicos no GitHub. Os segredos de infraestrutura de LLM estão a ser expostos 5× mais depressa do que os dos principais fornecedores de modelos. Cada nova integração de um serviço de IA acrescenta credenciais que podem ser hardcoded, copiadas e expostas.
O que são os ficheiros de configuração MCP e porque expõem segredos?
O Model Context Protocol (MCP) é a norma para ligar grandes modelos de linguagem a ferramentas e fontes de dados externas. Os ficheiros de configuração MCP definem a forma como um agente de IA se liga a bases de dados, API e serviços, e essas ligações exigem credenciais. Em 2025, a GitGuardian encontrou 24 008 segredos únicos em ficheiros de configuração MCP no GitHub público, dos quais 2117 foram confirmados como válidos. Os guias oficiais de configuração do MCP normalizam muitas vezes a inserção de credenciais hardcoded diretamente nos ficheiros de configuração, o que propaga o problema.
O que é a priorização baseada apenas na validação e porque falha?
A priorização baseada apenas na validação é a prática de despriorizar os segredos cuja atividade atual não pode ser confirmada. Falha porque 46 % dos segredos críticos não podem ser validados: pertencem a serviços sem verificadores de validação ou a tipos de credenciais genéricas, como chaves privadas e tokens personalizados. As equipas que seguem esta abordagem deixam escapar quase metade das fugas mais perigosas, enquanto gastam esforço de remediação em credenciais válidas de baixo risco. Uma priorização eficaz exige uma pontuação de risco contextual, e não apenas uma verificação de validade.
O que é a governação de NHI e porque é importante?
A governação de identidades não humanas (NHI) é a prática de gerir todo o ciclo de vida das identidades de máquina (contas de serviço, chaves de API, tokens de agentes e outras credenciais não humanas) com o mesmo rigor aplicado às contas de utilizadores humanos. Responde a três questões: que NHI existem no ambiente, quem é o seu proprietário e a que podem aceder. À medida que o desenvolvimento assistido por IA acelera a criação de credenciais, a governação de NHI é a disciplina que impede que a velocidade de criação ultrapasse de forma permanente a postura de segurança.



Índice de conteúdos
- Pontos principais
- Qual é a dimensão do problema da dispersão de segredos em 2025?
- Como a IA está a alimentar uma nova geração de segredos expostos
- Os sistemas internos são um perigoso ponto cego
- 64 % dos segredos expostos em 2022 continuam válidos em 2026
- Porque falha a priorização baseada apenas na validação
- A estação de trabalho do programador, uma superfície de ataque esquecida
- O caminho a seguir: Da deteção reativa à governação de NHI
- Pontos principais para as equipas de TI e de segurança
- Perguntas frequentes
Índice de conteúdos
- Pontos principais
- Qual é a dimensão do problema da dispersão de segredos em 2025?
- Como a IA está a alimentar uma nova geração de segredos expostos
- Os sistemas internos são um perigoso ponto cego
- 64 % dos segredos expostos em 2022 continuam válidos em 2026
- Porque falha a priorização baseada apenas na validação
- A estação de trabalho do programador, uma superfície de ataque esquecida
- O caminho a seguir: Da deteção reativa à governação de NHI
- Pontos principais para as equipas de TI e de segurança
- Perguntas frequentes
Gestor de palavras-passe autoalojado para empresas
A Passwork oferece a vantagem de um trabalho em equipa eficaz com palavras-passe corporativas num ambiente totalmente seguro. A encriptação dupla e a arquitetura de conhecimento zero garantem que as suas palavras-passe nunca saem da sua infraestrutura.
Saber mais


