
Scanner de secrets hors ligne combinant des règles regex, une analyse sémantique basée sur un lexer et une correspondance de valeurs hachées pour détecter les identifiants exposés dans le code avec une sortie SARIF.
Absolument pas !
À l'ère de l'engouement pour les LLM, DeepSecrets s'exécute toujours entièrement sur votre machine — vous offrant d'excellents résultats hors ligne, de manière sécurisée et gratuitement.
La plupart des scanners existants ne « comprennent » pas réellement le code. Ils se contentent d'analyser des textes et ont une mauvaise couverture.
DeepSecrets comble le fossé entre les scanners regex classiques et les outils SAST commerciaux à grande échelle. Il étend la stratégie de scan classique basée sur les regex en s'appuyant fortement sur l'analyse sémantique du code, la détection de variables dangereuses et l'analyse d'entropie contextuelle. Les candidats secrets proviennent de ce que dit le code, de ses noms, affectations et appels, et non du texte seul. DeepSecrets lit le code avec des lexers pour environ 600 langages et formats (Pygments), et trouve les variables grâce à des règles de détection pour 14 langages et une règle générique pour les autres.
DeepSecrets introduit également une nouvelle façon de trouver des identifiants sans aucune connaissance préalable : le HashedSecret Engine. Fournissez simplement les valeurs hachées de vos secrets de production connus, et l'outil les trouvera exposés en clair dans votre code.
DeepSecrets 2.3 a été évalué (novembre 2026) sur le benchmark SecretBench : chaque fichier scanné, chaque ligne étiquetée comptée.
Compté de la même manière que l'évaluation de juin 2026, sur son propre ensemble de lignes, 2.3 obtient 94 % de rappel et 85 % de précision (2.0 en juin 2026 : 93 % et 67 %).
Les chiffres proviennent de dsbench, un harnais de benchmark open source qui exécute un scanner en boîte noire sur un corpus étiqueté et compte ce qu'il signale. Avec SecretBench (disponible auprès de ses auteurs sur demande) et dsbench, chacun peut reproduire les chiffres par ligne ci-dessus et la comparaison ci-dessous :
dsbench prepare # load SecretBench's labels and the corpus listing
dsbench run --tool-ref v2.3.0 # DeepSecrets 2.3.0 from its tag, in a venv from its own poetry.lock
dsbench tools fetch # the pinned gitleaks and Betterleaks releases, checked by SHA-256
dsbench run --tool gitleaks
dsbench run --tool betterleaks
dsbench compare RUN RUN ... # side by side, with 95% intervals
Chaque exécution analyse chaque fichier, avec les exclusions de chemins de chaque outil désactivées. Les chiffres de la voie de juin nécessitent également le tableau de lignes de l'évaluation de juin 2026, et le décompte des secrets au-delà des étiquettes nécessite nos verdicts évalués ; ni l'un ni l'autre n'est publié, car les deux pointent vers des identifiants compromis.
(Vous pouvez lire l'histoire complète sous le capot et la répartition des benchmarks dans mon article HackerNoon ici)
Depuis Github via pip
$ pip install git+https://github.com/ntoskernel/deepsecrets.git
Depuis PyPi
$ pip install deepsecrets
DeepSecrets nécessite Python 3.11 ou une version ultérieure.
La façon la plus simple de lancer une analyse :
$ deepsecrets --target-dir /path/to/your/code --outformat dojo-sarif --outfile report.json
Cela exécutera une analyse sur /path/to/your/code en utilisant la configuration par défaut :
Un rapport au format SARIF (compatible avec DefectDojo et GitHub Security) sera enregistré dans report.json.