GitHub의 pull request 3개 중 1개에는 AI 에이전트가 관여합니다. 1년 전에는 10개 중 1개도 안 됐습니다. 이 속도라면 2년 안에 GitHub에 올라오는 코드 대부분을 에이전트가 쓰게 됩니다. 그중 상당수는 사람이 끝까지 읽지 않을 겁니다.

GitHub가 10월 7일 공개한 전용 비밀 탐지 모델은 이 전제를 받아들인 조치입니다. 코드를 더 빨리 쓰는 도구가 나왔으면, 지키는 쪽도 같은 속도로 일해야 한다는 겁니다. 토큰처럼 생긴 문자열만 찾던 방식에서, 코드 문맥을 읽고 비밀번호를 찾아내는 방식으로 넘어갑니다.

뭐가 문제였나: 빨라진 게 아니라, 못 따라간 거다

흔한 오해부터 걷어냅니다. "AI 때문에 개발자가 부주의해졌다"는 말, GitHub의 9개 분기 데이터는 다르게 말합니다.

공개 푸시 속보:
- 눈에 보이는 코드에 새 비밀이 나오는 속도: 약 2초에 1개
- 최근 3년 매년 2배씩 증가

그런데 건당 부주의는 늘지 않았다:
- 심사 푸시 2.84배 vs 비밀 포함 푸시 2.59배 (2024 Q2 → 2026 Q2)
- 푸시 1건당 비밀 포함 비율의 추세: 통계적으로 감지 안 됨
- 푸시 보호 우회를 개발자가 강행한 비율: 6.63% → 3.93% (선형 감소)

즉 개발자가 방심한 게 아니라 물량이 사람을 앞질렀습니다. 비율이 그대로인데 물량이 2배면 유출도 2배입니다. 수동 대응은 그대로인데 말이죠. 비밀 하나를 수동으로 폐기하는 평균 시간은 40일쯤, 5개 중 1개는 90일을 넘깁니다. 몇 주씩 살아 있는 자격 증명이 쌓이는 구조입니다.

GitHub가 이미 하고 있던 일도 있습니다. 150개 넘는 기술 파트너와 탐지기를 함께 만들고 공개 유출을 통보하면 OpenAI·Google Cloud·Slack·Hugging Face·SendGrid 같은 곳이 즉시 폐기합니다. 2026년 2분기에는 초당 평균 26건을 통보했습니다. push protection은 recognizable한 자격 증명을 기록에 남기 전에 막았고, 지난달에는 최소 초당 1개꼴로 차단됐습니다. 그래도 새로 발견된 비밀 중 푸시 전에 막는 건 약 30%, 나머지 70%는 이미 기록에 남은 뒤에 찾습니다. 막는 건 컴퓨팅으로 늘릴 수 있지만, 치우는 건 여전히 사람의 시간입니다.

새 모델: 문맥을 읽고, 2ms 안에 판단한다

이번 모델은 Microsoft Applied Sciences와 함께 만든 파인튜닝 분류기입니다. 주변 코드를 읽어 비밀번호일 가능성을 판단하고, 코드도 산문도 생성하지 않습니다.

입력: 데이터베이스 URL 안의 값, 쿠버네티스 Secret 매니페스트, Dockerfile
판단: changeme 같은 플레이스홀더는 통과, 진짜 같은 비밀번호는 차단
속도: 후보 배치를 2ms 안에 평가 (푸시 critical path에 올릴 수준)
비용: 기존 LLM 파이프라인보다 훨씬 저렴 → 규모 있게 돌릴 수 있음
기대: 막을 수 있는 비밀의 수가 2배 이상으로

GitHub는 이걸 "네 몸 문제(four-body problem)"라고 부릅니다. 정밀도·지연·처리량·비용이 맞물린 제약입니다. 푸시를 막는 건 이진 결정이라 오탐 한 번이 개발자의 신뢰를 깎습니다. 느리거나 비싸면 자주 돌릴 수 없습니다. 2ms짜리 분류기가 이 매듭을 푸는 열쇠라는 주장입니다.

적용 위치는 세 군데입니다.

① 스캔 알림 (이미 적용): AI 탐지 알림을 쓰던 고객은 자동으로 새 모델로 전환
   → GHSP·GHAS에 포함, 추가 요금 없음
   → GHES 3.23에서 퍼블릭 프리뷰로 서버에도 제공 (air-gap 포함)

② push protection (비공개 프리뷰): 푸시 시점에 비정형 자격 증명을 검사
   → Enterprise Cloud·Teams + GHSP/GHAS 구매 필요, 관리자가 활성화
   → 막지 못한 검사도 크레딧 소모, 조직에 과금 (EMU 사용자 네임스페이스 예외)

③ Copilot /security-review (곧 비공개 프리뷰): 커밋·푸시·PR 리뷰 전에 검사
   → GHSP 없이도 사용 가능, Copilot 요금 계정에 AI 크레딧 과금
   → 기본 꺼짐, opt-in 필수. 에이전트가 멋대로 켜면 안 됨 (명시적 승인 필요)

요금과 권한: 켜기 전에 봐야 할 것

이번 발표에서 GitHub가 일부러 미리 공지한 게 과금입니다. 새로 opt-in하는 검사는 GitHub AI Credits를 씁니다.

포함 (추가 요금 없음): AI 탐지 스캔 알림 (신·구 모델 공통)
크레딧 소모 (수 주 내 적용): push protection의 AI 검사, security-review의 비밀 검사
SKU: Secret Protection AI Credits (AI 사용량 인사이트에서 확인)

버짓 설정: Billing and licensing → Budgets and alerts
  → SKU-level budget → Advanced Security → Secret Protection AI Credits
주의: 알림만으로는 사용량이 멈추지 않음
  → "Stop usage when budget limit is reached"를 따로 켜야 상한이 됨

이미 프라이빗 프리뷰로 push protection AI 검사를 쓰고 있다면, 과금 시작 뒤에도 계속 쓰면 크레딧이 나갑니다. 원치 않으면 미리 끄세요. 조직·엔터프라이즈 관리자는 정책으로 끌 수 있습니다. 켜기 전에 자격·가격·버짓을 먼저 보는 게 순서입니다.

CodeBridge Mini Lab: PR 검증에 비밀 검사를 넣어보세요

AI가 쓴 코드를 머지하기 전 게이트에 비밀 검사를 박는 일, 오늘 할 수 있습니다.

① push protection 켜기 (해당 플랜이면):
   - 저장소·조직·엔터프라이즈 중 어디에 걸 것인지 결정
   - 우회 사유 필수 + 우회 알림이 Security 탭에 남는지 확인

② /security-review 돌리기 (Copilot CLI·App):
   - 푸시 전에 활성 변경을 리뷰, 확정 항목부터 권한에 맞게 수정
   - 읽기 전용 리뷰라는 점 확인, 수정 후 다시 돌리기

③ 두 가지를 따로 기록:
   - 오탐: 막혔지만 비밀이 아니었던 경우 (개발자 신뢰 지표)
   - 실제 방지: 진짜 유출을 막은 경우 (보안 효과 지표)

오탐과 실제 방지를 같은 숫자로 보지 마세요. 오탐이 오르면 개발자가 우회를 습관화하고, 그게 다음 유출의 문을 엽니다. 바이브코딩 글의 Copilot 흐름에 이 게이트를 붙이면 AI 코딩과 보안 검사가 한 파이프라인이 됩니다.

결론: 만드는 속도와 지키는 속도를 맞추라

한 줄로 정리합니다.

코드를 더 만들게 해주는 도구는, 그만큼 더 지켜주는 일을 맡아야 한다.

문맥 기반 탐지가 푸시 시점에 2ms로 돈다는 건, 보호를 사람의 주의력에서 플랫폼의 컴퓨팅으로 옮긴다는 뜻입니다. 다만 새 검사는 크레딧이 들고 기본 꺼짐입니다. 자격·버짓·정책을 먼저 보고 켜고, 오탐과 실제 방지를 따로 재는 것. 그게 AI 코딩 시대에 비밀을 지키는 현실적인 순서입니다.

함께 읽으면 좋은 글

참고 자료

이 주제를 직접 따라가며 배우고 싶다면

Agent·Plan 모드로 실제 프로젝트를 구현하고 테스트하는 흐름에 보안 게이트까지 붙여보고 싶다면, Copilot을 자동완성 이상으로 쓰는 과정이 이 글의 PR 검증 이야기와 바로 이어집니다.