De credentialgrens schuift op
API-sleutels kunnen op meerdere momenten in een AI-ontwikkelworkflow zichtbaar worden. Een agent die een configuratiebestand leest, een shellcommando uitvoert of een MCP-server aanspreekt, kan gevoelige waarden in de context van een model brengen. Dat maakt de ontwikkelmachine onderdeel van de securitygrens.
Wat het aangehaalde onderzoek laat zien
De DEV-bijdrage verwijst naar onderzoek naar black-box-LLM’s waarbij onderzoekers met uitsluitend modeluitvoer strings vonden die overeenkwamen met echte sleutels. De auteurs koppelden die waarden vervolgens aan openbare GitHub-vermeldingen. Dat is een aanwijzing dat secret-scanning niet moet stoppen bij de repository: modellen, prompts en toolresultaten verdienen eveneens aandacht.
GitGuardian rapporteert daarnaast een hoger lekpercentage in publiek gemaakte commits die met Claude Code zijn gemaakt dan in de gebruikte baseline. Die cijfers zijn contextgebonden meetresultaten, geen universele kans voor iedere organisatie. Ze onderstrepen wel dat AI-geassisteerde ontwikkelstromen afzonderlijk gemonitord moeten worden.
Praktische maatregelen
- Beperk welke bestanden, omgevingsvariabelen en tools een agent kan lezen.
- Scan prompts, toolaanroepen en tooluitvoer voordat die een modelcontext bereiken.
- Gebruik een secrets vault en roteer een sleutel direct wanneer die mogelijk is blootgesteld.
- Leg vast welke MCP-servers en externe endpoints een agent mag aanspreken.
Beperkingen
De aangehaalde cijfers combineren onderzoek en productrapportage van verschillende partijen. Ze bewijzen niet dat ieder model dezelfde waarden reproduceert of dat iedere agentworkflow onveilig is. Controleer daarom de eigen telemetry, repositories en endpointconfiguratie in plaats van een percentage rechtstreeks als organisatierisico over te nemen.
Verder lezen: het aangehaalde onderzoek naar black-box-LLM’s, GitGuardian State of Secrets Sprawl 2026 en de technische uitleg over AI Hooks.