Desde que arrancamos con OliveX, la duda que volvió una y otra vez fue si liberar nuestras herramientas o no.
Al principio decidimos que no. Algunas eran bastante efectivas en el mundo del bug bounty, y siendo honestos, también podían usarse contra nosotros. Nos pareció que el riesgo no compensaba.
Después de varias discusiones internas, y mirando cómo avanzan tanto la AI como los ataques que vemos todos los días, decidimos que era el momento de empezar a disponibilizar más de nuestro arsenal. El cálculo cambió: hoy el que te está escaneando desde afuera ya tiene esta capacidad. Lo que falta es que la tengas vos.
A los bug hunters esperamos que les sirva para reportar vulnerabilidades de manera ética a los programas correspondientes. A las empresas y a nuestros clientes, para correrla sobre su propia infraestructura antes de que lo haga otro.
Empezamos liberando una que consideramos muy efectiva para el análisis de repositorios. En este posteo contamos cuál es nuestro approach, el porqué de cada decisión y las consideraciones que tomamos.
La metodología no es nueva. Pero esta herramienta nos dio mejores resultados que las que veníamos corriendo, y esa diferencia está casi toda en el filtrado, no en el escaneo.
En OliveX damos este servicio de manera continua, justamente para evitar filtraciones y leaks.
Qué es 0xGitAnalyzer
Es una herramienta pensada para el discovery de secrets, leaks, código propietario e información confidencial subidos por cuentas personales de empleados.
No escanea la organización. Escanea a la gente.
¿Por qué este approach?
Los números del último año explican bastante.
GitHub cerró 2025 con alrededor de 36 millones de desarrolladores nuevos — uno por segundo — y 121 millones de repositorios nuevos, su año más grande hasta ahora. Los repositorios públicos crecieron 19% interanual, hasta unos 395 millones. Casi el 80% de los desarrolladores nuevos usa Copilot en su primera semana.
- 36M Desarrolladores nuevos en GitHub durante 2025
- 121M Repositorios nuevos en el mismo período
- +19% Crecimiento interanual de repositorios públicos
Del otro lado del mostrador, GitGuardian contó 28,6 millones de secretos nuevos en commits públicos durante 2025, un 34% más que el año anterior: el salto más grande en la historia de su reporte. Y el dato que más nos importa operativamente: el 70% de los secretos filtrados sigue activo dos años después.
- 28,6M Secretos nuevos en commits públicos (2025)
- +34% Aumento interanual, el mayor registrado
- 70% Secretos filtrados que siguen activos dos años después
Ese último número es la tesis entera de la herramienta. La gente borra la key del repositorio. Casi nadie la rota.
El vector crece junto con las políticas de AI. Muchas empresas hoy tienen leaks de cuentas de empleados subiendo información confidencial, apikeys y secrets, muchas veces sin dimensionar lo que están publicando.
En este posteo no vamos a ahondar en las técnicas que usamos para obtener dichas cuentas, por temas de privacidad y sensibilidad. Los bug hunters tendrán la creatividad para hacerlo, y las empresas ya cuentan con esos datos.
1. Qué cosas buscamos
- API keys de servicios productivos
- Documentos con información confidencial (Drive, SharePoint, Confluence, Jira)
- Código propietario expuesto — se ve muchísimo en QA
- Credenciales y passwords
- Archivos de configuración con información interna (
.env,rclone.conf,.npmrc,.netrc) - Infraestructura interna: hostnames, dashboards, endpoints de CI, strings de conexión
Agregamos una categoría nueva que hace un año no existía y hoy rinde muchísimo: archivos de configuración de herramientas de AI (CLAUDE.md, .cursor/, mcp.json). La gente le escribe credenciales y arquitectura interna a su asistente, y después commitea el archivo.
2. Nuestro enfoque
Nivel 1: el dork
El paso 0 cuando uno busca leaks es ir a github.com, poner un dork y mirar lo que sale. Es una técnica que funciona, pero genera muchísimos falsos positivos, información errática e implementaciones de terceros.
Sirve — y servía mucho más antes de que GitHub restringiera las búsquedas — pero la cantidad de ruido hace que en la marea se te pierdan hallazgos reales.
Nuestro enfoque: ir por las cuentas
Buscamos cuentas de empleados de las empresas que tienen programas.
No vamos a poner la totalidad de nuestro enfoque acá, y la herramienta asume que ya tenés esos usuarios, pero las ideas son diversas.
Los métodos que instintivamente se vienen a la mente suelen ser LinkedIn o bases de acceso público tipo Apollo. Estos approaches hay que usarlos con cuidado para no comerse bloqueos ni violar términos y condiciones.
Nuestro enfoque en bug bounty es obtenerlos a través del mismo GitHub: escanear los repositorios de la organización viendo quién commitea, armar un mapa de red entre seguidos y seguidores, buscar por emails corporativos en los commits, revisar las bios de los usuarios. Las alternativas son variadas y sugerimos que cada hunter defina la propia.
Para el lado defensivo esta información es trivial de obtener, y la herramienta usa solamente los nombres de usuario que se le pasan. También acepta --org, que expande los miembros públicos de una organización — suficiente para que una empresa arranque con su propio padrón sin pensar en OSINT.
Una vez que tenés las cuentas, recomendamos hacer esto de manera continua, tanto hunters como empresas. La herramienta trae un cooldown configurable por cuenta justamente para eso: corrés el mismo listado todas las semanas y solo se reescanea lo que corresponde.
Selección de repositorios
La herramienta obtiene los usuarios y busca sus repositorios. La cantidad, el tipo, el tamaño y la antigüedad son configurables.
Personalmente solemos buscar solo repositorios propios, sin forks, con menos de 2 años de antigüedad. Esos son los defaults de la herramienta.
Por qué clonamos — y por qué es el costo principal
Después clonamos los repositorios. Acá está la clave, y el costo.
La decisión de clonar responde a una necesidad puntual: GitHub no tiene indexados todos los repositorios de todas las personas. En muchos casos los repositorios individuales directamente no están en el índice de código. Buscar desde el buscador, incluso teniendo el usuario, hace que se te pierdan resultados valiosos (documentación de GitHub).
Clonar es lento y caro. Pero es la diferencia entre ver lo que GitHub decidió indexar y ver lo que realmente está publicado.
Qué corremos sobre el clon
Dos herramientas, con trabajos deliberadamente separados:
| Herramienta | Qué busca | Por qué está |
|---|---|---|
| TruffleHog | Credenciales sobre el historial git completo: 800+ tipos de detector, con verificación en vivo donde el proveedor lo permite | Un secreto borrado en un commit posterior sigue en el historial, y sigue funcionando |
| ripgrep | Lo que TruffleHog ignora: hostnames internos, links de Drive y Google Docs, Jira/Confluence, Okta/Auth0, SharePoint, webhooks de Slack, dashboards, CI, URLs de base de datos, y valores hardcodeados en config — tanto con comillas (api_key: "...") como en formato dotenv pelado (INTERNAL_API_TOKEN=...) |
Así es como alguien de afuera mapea tu empresa antes de tocar una sola credencial |
No reimplementamos ninguna de las dos. Un motor de regex a medio hacer que se pierde keys reales es peor que no tener scanner.
El historial
Revisamos el historial completo, porque muchas veces las apikeys se borran pero no se rotan. Ese 70% de GitGuardian no es una estadística abstracta: es la mitad de nuestros hallazgos pagos.
Por eso el clonado es completo por default. Un clone shallow te ahorra tiempo y te hace perder exactamente los hallazgos que más valen.
El filtrado: donde se gana o se pierde
Acá llegamos con el crudo. En años anteriores, esta deduplicación, análisis e investigación era lo que más horas humanas se llevaba.
La salida cruda de un scanner a esta escala es inútil: unas pocas docenas de cuentas producen miles de matches, y la enorme mayoría son placeholders, fixtures de test y documentación.
Cada hallazgo se puntúa de 0 a 100 antes de que lo vea una persona:
Sube el score
- Credenciales verificadas en vivo
- Archivos
.envy de configuración - Claves privadas fuera de rutas de test
- Identificadores
AKIA...y URLs con credenciales - Hostnames internos y corporativos
- Credential stores:
rclone.conf,.npmrc,.netrc - Configs de herramientas de AI
Baja el score
- Placeholders y valores elididos (
sk-ant-...) - Referencias en vez del secreto (
API_KEY=os.environ["X"]) - Claves demo públicas
- Rutas
test/,example/,fixture/ - Posteos de blog y writeups de CTF
- Dependencias vendorizadas y bundles minificados
- Detectores de bajo valor
Los hallazgos caen en cuatro categorías — secret, keyword match, infrastructure, plain URL — y las dos primeras nunca se descartan por el cap por repositorio. Si le pasás las keywords de la empresa (nombre, dominios), todo lo que las mencione se promueve y sobrevive sí o sí.
Esto es lo que convierte diez mil matches en veinte cosas revisables, y es la parte de la herramienta que recomendamos tunear: está toda en un solo archivo de patrones, en texto plano.
El triage con AI
Lo que sobrevive al scoring pasa por un modelo.
Cómo funciona realmente: la herramienta llama a la API de Anthropic directamente desde el SDK. No usa Claude Code ni ninguna integración de agente: es una llamada HTTP a un endpoint de modelo, nada más. Está apagada por default, se activa con --ai-triage, y manda los hallazgos top en lotes — con un tope configurable, 150 hallazgos por default. El costo es de centavos por scan, no de dólares.
El modelo etiqueta cada hallazgo como true_positive, needs_review o false_positive, con una línea de justificación. Un descarte con alta confianza sale de la vista por default; una confirmación se promueve. El score heurístico se conserva al lado del veredicto, así que si los dos no coinciden, lo ves. El modelo reordena la cola, no borra nada.
Sobre la privacidad, que es la primera pregunta que nos hacen: los valores de las credenciales van enmascarados antes de salir de tu máquina. Se conserva la forma y el contexto (api_key = "f3a*************a93", el hostname de la URL de base de datos), que es lo que el modelo necesita para juzgar, pero no el secreto. Está activo por default y la función que lo hace son diez líneas: leela antes de correr esto sobre datos de un cliente. Se puede apagar, y no recomendamos hacerlo.
No estás atado a un proveedor. La herramienta habla dos formatos: el de Anthropic y el de /chat/completions, que es el que habla casi todo lo demás. Kimi (Moonshot) y DeepSeek funcionan apuntando --ai-base-url al endpoint correspondiente, igual que OpenRouter, Groq, o un modelo local con Ollama o vLLM si no querés que los hallazgos salgan de tu red. El formato /chat/completions no necesita ningún SDK: son 40 líneas de urllib de la librería estándar.
Al ser open source, modifíquenla como mejor les parezca y como se adecúe a sus resultados.
El triage manual
Este segundo proceso es el que más demora, y en nuestro caso es otro de los puntos donde intervenimos a mano.
Los casos típicos que aparecen: links de Drive que no tienen permisos restringidos, credenciales personales de empleados en servicios que tienen relación con la empresa, desarrollos propios, apikeys públicas, y usuarios y passwords que no tienen nada que ver con nada.
La diferencia entre algo que vale la pena y algo que no sale de acá. El proceso post-AI es un triage manual para descartar falsos positivos y llegar a una revisión curada. Ninguna de las dos etapas automáticas reemplaza esto; lo que hacen es que llegues a esta mesa con veinte hallazgos en vez de con diez mil.
Nuestras recomendaciones para bug hunters
- Revisen que el scope permita este tipo de búsqueda. La mayoría sí, pero algunos programas pueden considerar que es ir tras los empleados. Léanlo detenidamente antes de correr nada.
- Prueben los resultados antes de reportar. Las apikeys y los servicios varían demasiado. Verifiquen que estén vivas, con el mínimo impacto posible. En muchos casos alcanza con el login para un primer reporte, y desde ahí pedir autorización para escalar. Es mejor ese approach — con el riesgo de reportar algo sin tener el impacto completo — que usar una apikey productiva sin saber qué hay del otro lado.
- Asegúrense de que el leak pertenezca o tenga impacto dentro de la empresa. Una key válida no asegura que la empresa esté en riesgo. Puede ser de un servicio personal del empleado. Esto es exactamente para lo que sirve pasarle las keywords de la organización a la herramienta.
- No escalen by default. Si encuentran una apikey que les da acceso al mail personal de alguien, no la usen. Esto genera el efecto contrario al que buscan.
- Sean honestos y respetuosos en el reporte. Del otro lado hay seres humanos que cometieron un error, y esto puede tener consecuencias laborales para ellos. No recomendamos bajo ningún punto de vista contactar directamente a los empleados. Sean conscientes de que estas cuestiones tienen consecuencias en el mundo real.
Nuestro approach corporativo
Esta herramienta, combinada con otras, es parte de nuestro proceso iterativo de seguridad continua. No solo analizamos los repositorios de manera constante: también damos capacitaciones a los empleados sobre cómo usar estas plataformas correctamente.
Recomendamos que lo hagan internamente. GitHub hoy no es solo para desarrolladores. Con el auge de la AI y de la capacidad de codear de cualquier persona, muchos empleados que no dimensionan lo que están publicando terminan generando estos problemas.
Ahí el punto se complica, porque posiblemente esas cuentas no estén dentro del universo conocido de la empresa. Nuestras herramientas internas ayudan a encontrar esos perfiles.
Ejemplos de resultados
| Hallazgo | Bounty |
|---|---|
| GitLab CI credentials exposed in GitHub repository | $1.200 |
| Information disclosed at github.com/XXX reveals internal information | $450 |
| Exposed internal git repository discloses tools, keys and database schema from employee | $3.786 |
| WordPress landing page code disclosed | $500 |
| Internal information from unreleased AI models | $500 |
| Exposed GitHub containing internal information, passwords, apikeys | $2.250 |
El código
0xGitAnalyzer es Python 3.9+, sin dependencias de runtime, con dashboard local y export a HTML y Markdown. Los patrones y el scoring están en dos archivos de texto plano, pensados para que los tunees a tu organización — que es el punto de que sea open source.
Si una regla genera ruido para tu stack, un PR que lo arregle nos sirve a todos.
Córranla contra ustedes mismos antes de que lo haga otro.
Fuentes
GitHub Octoverse 2025 · GitGuardian, State of Secrets Sprawl · GitHub Docs — Searching code
