
Scanner offline di segreti che combina regole regex, analisi semantica basata su lexer e corrispondenza di valori hash per rilevare credenziali esposte nel codice con output SARIF.
Assolutamente no!
Nella nostra era dell'hype per gli LLM, DeepSecrets funziona ancora interamente sulla tua macchina — offrendoti ottimi risultati offline, in modo sicuro e gratuitamente.
La maggior parte degli scanner esistenti non "comprende" davvero il codice. Si limitano invece ad analizzare i testi e hanno una copertura scarsa.
DeepSecrets colma il divario tra i classici scanner basati su regex e i tool SAST commerciali su larga scala. Estende la classica strategia di scansione basata su regex facendo ampio affidamento sull'analisi semantica del codice, sul rilevamento di variabili pericolose e sull'analisi dell'entropia consapevole del contesto. I candidati segreti derivano da ciò che il codice dice, dai suoi nomi, assegnazioni e chiamate, non dal solo testo. DeepSecrets legge il codice con lexer per circa 600 linguaggi e formati (Pygments) e individua le variabili con regole di rilevamento per 14 linguaggi e una regola generica per gli altri.
DeepSecrets introduce anche un nuovo modo per trovare credenziali con conoscenza zero: l'HashedSecret Engine. Basta fornire i valori hash dei tuoi segreti di produzione noti e lo strumento li troverà esposti in chiaro all'interno del tuo codice.
DeepSecrets 2.3 è stato valutato (novembre 2026) sul benchmark SecretBench: ogni file scansionato, ogni riga etichettata conteggiata.
Conteggiati come nella valutazione di giugno 2026, sul suo stesso insieme di righe, la 2.3 ha il 94% di recall e l'85% di precision (2.0 a giugno 2026: 93% e 67%).
Le cifre provengono da dsbench, un harness di benchmark open-source che esegue uno scanner come black box su un corpus etichettato e conta ciò che riporta. Con SecretBench (disponibile dai suoi autori su richiesta) e dsbench, chiunque può riprodurre le cifre per riga sopra riportate e il confronto seguente:
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
Ogni esecuzione analizza ogni file, con le esclusioni di percorso di ciascuno strumento disattivate. Le cifre del metodo di giugno richiedono anche la tabella delle righe della valutazione di giugno 2026, e il conteggio dei segreti oltre le etichette necessita dei nostri verdetti valutati; nessuno dei due è pubblicato, perché entrambi rimandano a credenziali trapelate.
(Puoi leggere la storia completa dietro le quinte e la ripartizione del benchmark nel mio articolo su HackerNoon qui)
Da Github tramite pip
$ pip install git+https://github.com/ntoskernel/deepsecrets.git
Da PyPi
$ pip install deepsecrets
DeepSecrets richiede Python 3.11 o versione successiva.
Il modo più semplice per eseguire una scansione:
$ deepsecrets --target-dir /path/to/your/code --outformat dojo-sarif --outfile report.json
Questo eseguirà una scansione su /path/to/your/code utilizzando la configurazione predefinita:
Un report in formato SARIF (compatibile con DefectDojo e GitHub Security) verrà salvato in report.json.