La fuga de credenciales crece: 28,65 millones de secretos detectados en 2025 y mayor riesgo IA

La seguridad de las credenciales —claves, tokens y secretos que conectan usuarios, servicios y ahora agentes de IA— se ha convertido en el punto de falla más expuesto de la mayoría de las organizaciones. Datos concretos recogidos por proveedores y reportes públicos muestran que las filtraciones no solo crecen en número, sino que se expanden en el alcance del entorno donde residen esas credenciales: repositorios públicos e internos, sistemas de colaboración y los propios equipos de desarrollo. Para entender el riesgo real es imprescindible empezar por la detección: sin un inventario confiable de qué credenciales existen, dónde están y qué permisos otorgan, cualquier intento de mitigación será parcial y tardío.

Hechos confirmados relevantes: GitGuardian reportó 28,65 millones de nuevos secretos hardcodeados detectados en commits públicos de GitHub durante 2025, un aumento del 34% interanual, y señaló un incremento del 81% en credenciales filtradas relacionadas con servicios de IA. Esa investigación también apunta a que los repositorios internos son aproximadamente seis veces más propensos que los públicos a contener al menos un secreto, y que cerca del 28% de los incidentes de secretos se originan fuera del control del código fuente, en sistemas de colaboración y productividad. Además, el informe del 2026 de Verizon identifica que las credenciales comprometidas representaron el 22% del vector de acceso inicial en las brechas estudiadas. Estas fuentes dibujan una imagen coherente: la superficie de ataque ligada a credenciales se extiende por entornos gestionados y no gestionados por igual. Para consultar los informes citados, véase el análisis de GitGuardian y el DBIR de Verizon: GitGuardian y Verizon DBIR.

Técnicamente, la problemática tiene varias capas. Primero, las credenciales aparecen en lugares distintos: dentro del historial de Git (no solo en la última versión), en ramas o forks, en tickets y chats, y en el disco del desarrollador. Segundo, la validez de esas credenciales suele perdurar: pruebas de revalidación muestran que credenciales confirmadas válidas en 2022 seguían activas en un 64% de los casos a enero de 2026. Tercero, la llegada de agentes de IA integrados en flujos de desarrollo ha creado nuevos cuerpos que pueden leer ficheros, ejecutar comandos y conectar servicios: esos agentes poseen contextos de autenticación que multiplican puntos de exposición. Por último, las nuevas familias de infostealers (por ejemplo, campañas públicas a finales de 2025 que afectaron a endpoints) han convertido los equipos de desarrollo en objetivos prioritarios; un análisis de un incidente mostró 33.185 secretos únicos en 6.943 máquinas comprometidas, con casi la mitad de esas máquinas conteniendo más de 10 secretos, lo que ilustra la densidad y el valor de la telemetría local.

¿A quién afecta? A toda organización que produce software o consume servicios en la nube: equipos de desarrollo, operaciones, seguridad, y cualquier “citizen developer” que use herramientas de automatización o agentes de IA. También impacta a la cadena de suministro: una credencial filtrada en un proyecto personal, un repositorio interno o un endpoint puede ser la llave de entrada para alcanzar entornos productivos o proveedores externos. El problema no es teórico: el tiempo medio en que los atacantes logran movimiento lateral y explotación se ha reducido drásticamente; estudios del ecosistema de ciberseguridad señalan que las brechas criminales pueden escalar en cuestión de minutos, lo que hace inviable depender únicamente de respuestas humanas lentas (véase, por ejemplo, análisis de CrowdStrike y otros sobre tiempos de ruptura en eCrime).

Consecuencias prácticas: una credencial divulgada puede permitir acceso directo a infraestructuras críticas (cloud, repositorios, bases de datos), persistencia silenciosa mediante rotación insuficiente, y escalada lateral dentro de la red. Además, la reproducción automática de malware que busca secretos en endpoints convierte cualquier máquina con acceso a múltiples servicios en un multiplicador de riesgo. Para complicar el panorama, muchas organizaciones no saben qué fracción del inventario de credenciales está vinculada a un propietario, a una política de expiración o a una carga de trabajo productiva, lo que dificulta priorizar remediaciones sin interrumpir sistemas críticos.

Acciones concretas y priorizadas que debe adoptar el lector (organizaciones y responsables técnicos): en primer lugar, establecer una detección continua que combine escaneos de repositorios (incluyendo historiales), monitorización pública de commits y descubrimiento en endpoints. Esto significa integrar herramientas de detección en CI/CD y en EDR/MDM para revelar secretos que no llegan al control central. En segundo lugar, enriquecer cada hallazgo con contexto: comprobar la validez del secreto, identificar el propietario del uso, mapear permisos asociados y listar dependencias o cargas de trabajo que lo usan, de modo que la respuesta pueda ser selectiva y segura. En tercer lugar, priorizar la rotación o revocación de credenciales basándose en validez y alcance de permisos, no solo en cuántas veces apareció el secreto. En cuarto lugar, aplicar mecanismos de autenticación temporal y de menor privilegio: mover credenciales a vaults con secretos de corta vida, adoptar roles y tokens de vida limitada, y habilitar MFA donde aplique. En quinto lugar, limitar lo que los agentes de IA y las integraciones externas pueden leer o ejecutar: definir permisos mínimos para modelos y agentes, segregar entornos de ejecución y emplear políticas de control de datos contextuales (por ejemplo, restringir acceso a archivos sensibles desde agentes). Finalmente, instrumentar detección post-exposición: alertas automáticas ante uso anómalo de claves y playbooks que revocan y reemplazan credenciales en toda la cadena.

Limitaciones y puntos aún inciertos: algunas métricas publicadas provienen de escaneos en repositorios públicos y de conjuntos de datos concretos; por tanto, la magnitud total del problema en entornos privados puede variar y es probable que siga subestimada. La eficacia de ciertas medidas (por ejemplo, bloquear agentes de IA en determinados contextos) depende de la arquitectura y de cómo están integrados esos agentes. Además, la evolución rápida de malware especializado en robar secretos implica que las tácticas defensivas deben revisarse continuamente; no hay soluciones únicas, sino una combinación de inventario, control y automatización que reduzca la ventana de exposición.

En resumen: la primera prioridad es detectar con alcance completo y contexto rico. Sin ese inventario no hay manera fiable de remediar y prevenir. La detección debe cubrir repositorios (incluyendo históricos), espacio público, y endpoints de desarrollo; la remediación debe estar guiada por validez y permisos; y la prevención debe centrarse en credenciales efímeras, least privilege y controles más estrictos sobre agentes y entornos de desarrollo. Para profundizar en la naturaleza y la evolución del problema, los lectores pueden revisar informes de investigación de proveedores y análisis sectoriales como los de GitGuardian y Verizon DBIR: GitGuardian - State of Secrets Sprawl 2026 y Verizon DBIR 2026.