差点把AWS密钥粘进ChatGPT，我造了个小妖精

本地扫描、脱敏处理、审查后再分享。

一个普通的周二，我正在调试一个失败的部署。和每天重复十几次的动作一样，我选中满屏的终端输出，复制，切换到 AI 聊天窗口。手指已经悬在回车键上，余光扫到日志的第 14 行——AWS_ACCESS_KEY_ID 赫然在列，下面是明文密钥。

我没有按下回车。但那个瞬间让我后怕：还有多少次，我可能根本没注意到？这就是 LeakGoblin 的由来——一个开源的命令行小工具，在文本离开你的机器之前，先帮你把敏感信息揪出来。

LeakGoblin 项目介绍

AI 工具让密钥泄露变得更糟

复制粘贴泄密并不是新问题。多年来，人们把凭证贴进 Stack Overflow 提问和 GitHub issue 里。但 AI 工具改变了数量和习惯：

我们粘贴的上下文更多了。 让 AI 调试问题，通常意味着你要把整个堆栈跟踪、配置文件、Dockerfile 和相关的 .env 行都贴进去——因为上下文越全，回答越好。
对话式界面摩擦极低。 聊天框看起来是私密的，它不像“公开发布”，所以我们缺少了发帖前的那份警觉。
Agent 直接读文件。 编程助手可以自行把文件拉进上下文，文件里有什么，它们就带走什么。
我们依赖“记得检查”。 每次粘贴都是一次遗忘的机会，而“我会小心的”从来不是一种安全控制手段。

常见的建议是“永远不要把密钥写进代码或日志”，这当然对。但真实项目里总有 .env 文件、啰嗦的日志、错误信息里的连接字符串，以及你从教程里复制来的 curl 命令中的 token。目标不是完美，而是在粘贴的那个瞬间有一张安全网。

LeakGoblin 能做什么

它主要做两件事：扫描和脱敏，另外还有一个仓库模式。

安装与快速上手

不用安装即可试用：npx leakgoblin --help，或者全局安装（要求 Node 20+）。

扫描标准输入：

cat prompt.txt | leakgoblin scan --stdin

输出中密钥始终被掩码处理，每条发现包含类型、行号、严重程度、置信度和一段掩码片段，绝不打印完整密钥。

脱敏标准输入是我最常用的功能。它不只告诉你发现了什么，还给你一份安全的副本：

cat prompt.txt | leakgoblin sanitize --stdin

输入 api_key = "AKIA..." 会被替换为 [REDACTED:API_KEY:aws_access_key]。周围的文本和换行都被保留，AI 依然能拿到它需要的上下文（配置的结构、错误的形态），只是没了真正的凭证。占位符会告诉你被移除的是哪一类密钥，方便你审查结果。

我的常用工作流是直接管道到剪贴板，审查后再粘贴（macOS 用 pbcopy，Linux 用 xclip）。

扫描仓库和 CI 集成也已支持。它默认跳过 .git、node_modules、dist 等噪音目录以及大文件和二进制文件。退出码很简洁：0 表示没有发现，1 表示发现密钥，2 表示出错——因此流水线可以据此让构建失败。

检测机制与设计取舍

先看签名，再看启发式

LeakGoblin 的核心是一组格式特定的签名：私钥块、AWS 凭证、GitHub/Stripe/Slack/Google/OpenAI 风格的 API key、Bearer token 和 JWT、密码赋值、连接字符串、环境变量等。当字符串以 AKIA 开头且长度和字符集符合时，这是强信号，标记为高置信度。更宽松的模式（如通用的 password = ...）标记为中置信度。

对于没有整齐前缀的密钥，还有针对长随机字符串的启发式检测，但作者刻意做了两个选择：启发式结果标记为低置信度和低严重度，绝不与签名匹配置于同等确定性；如果你觉得太吵，把配置里的 confidenceThreshold 调到 medium 即可闭嘴。

正则表达式：LeakGoblin 的格式签名本质上是一组精心构造的正则表达式。正则是一种用于描述字符串匹配模式的语法，例如 AKIA[0-9A-Z]{16} 可以精确匹配以 AKIA 开头、后跟 16 位大写字母或数字的 AWS Access Key ID。正则引擎能高效地在大量文本中定位符合模式的片段，也正因如此，扫描器可以快速遍历日志、配置文件而不必逐行解析。但正则的局限在于它只认“形状”，不理解语义，对于没有固定格式的随机密钥，只能借助启发式补充。

为什么不“见谁都报”？

让扫描器变得偏执很诱人——标记每个长字符串、每个 base64 块。但这样的工具在实践中会失败：如果扫描器天天狼来了，人们就不再读它的输出，然后把它加入忽略列表，或者干脆不跑了。一个被禁用的工具保护不了任何人。 所以 LeakGoblin 的设计目标是：当它说“严重、高置信度”时，你相信它；当它说“低置信度、启发式”时，你知道该看一眼但不必恐慌。

公司自有 token 格式可以在 leakgoblin.config.json 里添加自定义规则，白名单则用于 AWS 官方示例密钥这类已批准的测试夹具。

几个作者在意的设计决策

绝不打印完整密钥。 一个把密钥回显到终端、CI 日志或 JSON 报告里的扫描器，本身就成了新的泄露路径。文本输出全部掩码，JSON 输出剥离原始匹配字段——工具自己的输出可以安全地查看、分享或存为 CI 制品。

完全本地，无遥测。 扫描和脱敏过程中没有任何网络请求，没有上传、没有账号、不回传数据。对于一个目的就是防止敏感数据离开本机的工具来说，其他任何做法都荒谬。这也让信任模型保持简单：你可以读源码确认。

无聊但可预测的退出码。 0、1、2，仅此而已，能直接在 shell 脚本、GitHub Action、pre-push 钩子或 Makefile 里用，无需解析任何输出。

只用合成测试数据。 所有测试使用 AKIAIOSFODNN7EXAMPLE 这类金丝雀值，绝不用真实凭证。报告误报或漏报时也请同样处理。

诚实的局限

作者把丑话说在前面：

它是尽力而为的过滤器，不是保证。永远在分享前审查脱敏后的输出。
新颖或混淆的格式可能漏掉。服务商改了 token 格式，或者密钥被拆分、编码，扫描器可能抓不到。
启发式只是提示，低置信度结果可能是误报。
它不是密钥管理器，不能替代 vault、加密的 env 文件或密钥轮换。如果真的泄露了，无论扫描器说什么，立刻轮换。
它假设你信任自己的机器，不防护被攻陷的操作系统，也不是合规认证。

它同样不打算取代 gitleaks 或 trufflehog——那些工具面向 git 历史和全组织范围的仓库扫描。LeakGoblin 瞄准的是一个更窄的时刻：剪贴板在通往 AI 聊天窗口或 issue 跟踪器的路上。

路线图与参与方式

LeakGoblin 采用 MIT 协议，免费使用。计划中的事项包括：更多服务商 token 的高置信度签名（Azure、GCP、npm 等）、面向 GitHub Code Scanning 的 SARIF 输出、显式选择的 --fix 写回脱敏文件、pre-commit 钩子示例、复用同一引擎的 VS Code 扩展，以及更好的 .env 和 Docker secret 检测。

最容易的贡献方式是为你熟悉的 token 格式添加检测规则，CONTRIBUTING.md 有完整说明。用合成样例报告误报或漏报的格式同样有价值。

想试试的话：

npx leakgoblin --help
echo "test AKIAIOSFODNN7EXAMPLE" | npx leakgoblin scan --stdin

小妖精在盯着。保持警惕。

背景补充

退出码：在 Unix/Linux 和 CI 系统中，每个命令执行完毕后都会返回一个整数退出码（exit code），通常 0 表示成功，非 0 表示某种失败或异常。LeakGoblin 利用这一约定，定义 0 为无发现、1 为发现密钥、2 为运行出错。CI 流水线（如 GitHub Actions）和 shell 脚本可以直接检查 $? 或使用 &&、|| 来根据退出码决定是否中断构建或触发告警，无需解析任何文本输出，从而让集成变得简单可靠。

SARIF：SARIF（Static Analysis Results Interchange Format）是一种基于 JSON 的标准化格式，用于表示静态分析工具产生的告警和结果。它由 OASIS 组织维护，被 GitHub Code Scanning 等平台广泛支持。将 LeakGoblin 的扫描结果输出为 SARIF 后，可以直接上传到 GitHub，在代码扫描界面中展示发现的问题，并与 Pull Request 检查集成，实现自动化的安全告警和追踪。路线图中计划支持 SARIF 输出，正是为了融入更广泛的 DevSecOps 工具链。

遥测（Telemetry）：遥测指软件在运行过程中自动收集并回传使用数据、性能指标或错误信息的行为。许多开发者工具默认开启遥测以改进产品，但对于安全工具而言，任何外发数据都可能成为泄露渠道。LeakGoblin 明确声明无遥测，意味着它不会向任何服务器发送扫描内容、使用统计或崩溃报告，所有处理完全在本地内存中完成。这降低了信任门槛，用户无需担心工具本身成为数据泄露的源头。