
Scanner de segredos offline que combina regras regex, análise semântica baseada em lexer e correspondência de valores com hash para detectar credenciais expostas em código com saída SARIF.
Absolutamente não!
Na nossa era de hype em torno de LLMs, o DeepSecrets ainda roda inteiramente na sua máquina — oferecendo ótimos resultados offline, com segurança e gratuitamente.
A maioria dos scanners existentes não "entende" código de verdade. Em vez disso, eles apenas analisam textos e têm baixa cobertura.
O DeepSecrets preenche a lacuna entre os scanners clássicos baseados em regex e as ferramentas SAST comerciais de grande porte. Ele estende a estratégia clássica de varredura baseada em regex apoiando-se fortemente em análise semântica de código, detecção de variáveis perigosas e análise de entropia sensível ao contexto. Os candidatos a segredo vêm do que o código diz, de seus nomes, atribuições e chamadas, não apenas do texto. O DeepSecrets lê código com lexers para cerca de 600 linguagens e formatos (Pygments) e encontra variáveis com regras de detecção para 14 linguagens e uma regra genérica para as demais.
O DeepSecrets também introduz uma nova forma de encontrar credenciais com conhecimento zero: o HashedSecret Engine. Basta fornecer os valores em hash dos seus segredos de produção conhecidos, e a ferramenta os encontrará expostos em texto simples dentro do seu código.
O DeepSecrets 2.3 foi avaliado (novembro de 2026) no benchmark SecretBench: cada arquivo escaneado, cada linha rotulada contabilizada.
Contabilizado da mesma forma que a avaliação de junho de 2026 contabilizou, em seu próprio conjunto de linhas, o 2.3 tem 94% de recall e 85% de precisão (2.0 em junho de 2026: 93% e 67%).
Os números vêm do dsbench, um harness de benchmark de código aberto que executa um scanner como caixa-preta sobre um corpus rotulado e contabiliza o que ele reporta. Com o SecretBench (disponível com seus autores mediante solicitação) e o dsbench, qualquer pessoa pode reproduzir os números por linha acima e a comparação abaixo:
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
Toda execução verifica cada arquivo, com as exclusões de caminho de cada ferramenta desativadas. Os números do método de junho também precisam da tabela de linhas da avaliação de junho de 2026, e a contagem de segredos além dos rótulos precisa dos nossos veredictos avaliados; nenhum dos dois é publicado, porque ambos apontam para credenciais vazadas.
(Você pode ler a história completa dos bastidores e o detalhamento do benchmark no meu artigo do HackerNoon aqui)
Do Github via pip
$ pip install git+https://github.com/ntoskernel/deepsecrets.git
Do PyPi
$ pip install deepsecrets
O DeepSecrets requer Python 3.11 ou superior.
A maneira mais fácil de executar um escaneamento:
$ deepsecrets --target-dir /path/to/your/code --outformat dojo-sarif --outfile report.json
Isso executará uma varredura em /path/to/your/code usando a configuração padrão:
Um relatório em formato SARIF (compatível com DefectDojo e GitHub Security) será salvo em report.json.