# GitHub Luncurkan Model Klasifikasi Rahasia Baru untuk Deteksi Lebih Akurat

> GitHub memperkenalkan model klasifikasi berbasis ModernBERT yang mempercepat pemindaian rahasia, mengurangi false positive 11,5% dan menurunkan biaya layanan…

- Kategori: Pemrograman
- Terbit: 14 Oktober 2026
- Penulis: Redaksi Rasio
- URL: https://rasiotech.com/artikel/2026-10-14-github-luncurkan-model-klasifikasi-rahasia-baru-untuk-deteksi-lebih/

GitHub mengumumkan peluncuran model klasifikasi rahasia berbasis ModernBERT yang dirancang khusus untuk meningkatkan akurasi deteksi kredensial dalam repositori. Model ini menggabungkan dua tahapan: pertama, regex mengekstrak kandidat potensial dengan recall tinggi; kedua, classifier yang telah di-fine-tune menilai konteks kode, jalur file, tipe rahasia, dan nama variabel untuk menentukan apakah kandidat tersebut merupakan rahasia nyata atau sekadar placeholder.

## Peningkatan Kecepatan dan Efisiensi
Model baru mengurangi median waktu eksekusi pemindaian pasca-push sebesar 86% dibandingkan pipeline berbasis LLM sebelumnya, sehingga memungkinkan penerapan perlindungan rahasia pada tahap push. Dengan ukuran model yang kecil dan inferensi pada infrastruktur GitHub, biaya layanan turun lebih dari 98% dibandingkan pemanggilan LLM jarak jauh.

## Dampak pada Pengguna
Hasil evaluasi menunjukkan peningkatan penerimaan pengguna sebesar 11,5% berkat penurunan false positive. Pada pengujian offline, pipeline baru mencatat peningkatan presisi 13% dan recall 19% pada pemindaian pasca-push. Model ini mampu membedakan contoh-contoh “hard negative” seperti nilai contoh dalam dokumentasi, checksum, atau fixture pengujian yang secara sintaks mirip dengan kredensial namun tidak sensitif.

## Proses Pelatihan dan Validasi
Data pelatihan berasal dari tiga sumber: contoh produk yang diambil dari repositori GitHub dengan umpan balik pengguna, kandidat regex ber-recall tinggi yang diberi label manusia, serta contoh sintetis yang menargetkan kasus-kasus sulit. Setiap contoh mencakup nilai kandidat, jalur file, tipe rahasia, dan konteks sekitarnya. Model diekspor dalam format ONNX dengan kuantisasi 8-bit untuk inferensi cepat.

## Langkah Selanjutnya
GitHub berencana membangun "flywheel" perbaikan berkelanjutan dengan memanfaatkan umpan balik produksi untuk menambah data pelatihan, serta mengeksplorasi arsitektur model baru yang dapat mendeteksi dan mengekstrak rahasia dalam satu langkah. Informasi lebih lanjut tentang skala perlindungan rahasia dapat dibaca di postingan terkait [Secret protection must scale with software](https://github.blog/ai-and-ml/github-copilot/secret-protection-must-scale-with-software/).

## Sumber

- [GitHub Blog](https://github.blog/ai-and-ml/githubs-model-for-secret-detection-finding-more-secrets-with-less-noise/)

_Naskah awal disusun dengan bantuan AI dari sumber di atas, lalu diperiksa Redaksi Rasio sebelum terbit._