Framework CNN-CodeBERT per il rilevamento di fughe di credenziali a tre classi

Un nuovo framework ibrido che combina CNN e CodeBERT raggiunge risultati all'avanguardia nel rilevamento di fughe di credenziali nel codice sorgente. Il modello a tre classi distingue le credenziali genuine da placeholder e credenziali deboli, riducendo i falsi positivi. Su un dataset di 9.426 campioni in 10 linguaggi, ottiene un MCC di 0,86 e un macro F1 di 0,90, con un richiamo del 93% e una precisione dell'89% per le fughe genuine. Gli avvisi di alta gravità sono diminuiti del 33% senza compromettere la sicurezza. Il lavoro affronta i 23,8 milioni di segreti esposti nel 2024.