Tornando o secret scanning mais confiável: reduzindo falsos positivos em escala

O GitHub informou uma redução de 75,76% nos falsos positivos do secret scanning, superando a meta inicial de 65%. A melhoria usa raciocínio contextual com modelos de linguagem para avaliar se um segredo detectado representa realmente um risco.

A abordagem analisa o contexto em torno do possível segredo antes de apresentar o alerta ao desenvolvedor. A fonte não identifica modelos específicos nem publica pontuação de desempenho para esse mecanismo.