Gitee, el GitHub chino: 26.400 credenciales filtradas

¿Qué encontró el escaneo de 7,25 millones de repositorios en Gitee?

El investigador independiente Ben Zimmermann, en colaboración con el equipo de Kingfisher de MongoDB, escaneó 7.256.531 repositorios públicos de Gitee —la mayor plataforma de hosting Git de China— y encontró 26.400 credenciales únicas verificadas como activas. Entre ellas apareció una credencial de administrador de organización, todavía operativa, de una gran plataforma empresarial de IA, además de miles de claves de acceso a proveedores de nube.

El dato que debería preocupar a un founder no es el total, sino la densidad. El tipo de credencial más común fue el par AccessKey de Alibaba Cloud: aproximadamente 1 de cada 766 repositorios de Gitee contenía una credencial de ese proveedor verificada como viva. El problema no está concentrado en unos pocos proyectos descuidados, está repartido por toda la plataforma.

¿Qué es Gitee y por qué es un blanco tan expuesto?

Gitee fue lanzada en 2013 por OSChina y el Ministerio de Industria y Tecnología de la Información de China la designó como la plataforma nacional de hosting de código abierto del país. Esa posición la convierte en infraestructura crítica para el ecosistema de desarrollo chino, pero su superficie pública está mucho menos instrumentada que la de sus competidores occidentales.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Según el propio informe, su API pública tiene limitaciones severas: no existe un endpoint paginado de proyectos y la búsqueda de código en el sitio parece haber sido retirada hace años. Un intento de estudiar la exposición de credenciales en Gitee en 2021 concluyó que sus APIs eran demasiado limitadas para escalar la investigación. Ese vacío de cinco años es, en la práctica, la razón por la que este escaneo tuvo que construirse desde cero.

Hay tres factores estructurales que explican la exposición:

Es una plataforma basada en Git, así que los secretos enterrados en el historial de commits persisten aunque se borren del archivo actual.
Aloja millones de repositorios públicos con volumen de commits activo.
No tiene un equivalente público a las alianzas de escaneo de secretos entre plataforma y proveedores que se volvieron estándar en GitHub.

¿Cómo se hizo un escaneo de 7,25 millones de repositorios?

La parte técnica de esta investigación es tan relevante como los resultados, porque demuestra que el problema es medible en cualquier plataforma. Zimmermann combinó varias superficies para enumerar repositorios: el único endpoint REST oficial que devolvía datos útiles a escala, el feed Explore, las páginas de repositorios y de estrellas por usuario, y el widget interno de Elasticsearch que alimenta la búsqueda del sitio.

El widget de búsqueda imponía un tope duro de 200 resultados por consulta. Para sortearlo, el investigador usó las agregaciones que la propia respuesta devolvía —buckets por lenguaje de programación y por licencia— y fue dividiendo cada consulta truncada hasta que cada rama cabía dentro del límite. Después de deduplicar identificadores, quedó un conjunto de trabajo de 7.256.531 repositorios únicos.

Para clonar y escanear ese volumen usó Modal, una plataforma de cómputo serverless popular para cargas de IA, corriendo TruffleHog y Kingfisher en paralelo sobre cada repositorio. Dividió el corpus en 50 lotes de unos 150.000 repositorios y los ejecutó de forma secuencial con 350 contenedores concurrentes. El tiempo total fue de aproximadamente un mes de ejecución continua y el costo, 3.097,64 dólares, absorbido por un patrocinio de créditos de cómputo de 5.000 dólares de Modal.

¿Qué credenciales se filtraron y de qué empresas?

Los dos escáneres resultaron complementarios, y ese es uno de los hallazgos más útiles del informe. Cada herramienta sola habría detectado apenas la mitad de las credenciales. TruffleHog dominó la detección de claves de Alibaba Cloud (9.428 frente a 993), mientras que Kingfisher dominó DeepSeek (2.940 frente a 230), OpenAI (1.198 frente a 150), HuggingFace (154 frente a 1) y servicios de IA chinos como Zhipu (1.489 frente a 0), para el que TruffleHog no tiene detector.

En el tiempo, la concentración es reciente: 2025 solo acumula 12.242 credenciales únicas, casi la mitad de todo el conjunto de datos. La mayoría se comprometió desde servicios de correo personal (qq.com, 163.com, gmail.com), lo que hace imposible atribuir a una empresa concreta a escala. Aun así, entre los dominios corporativos aparecen nombres de compañías chinas y occidentales, incluidas Huawei, ByteDance, Google, Microsoft y Oracle, además de huellas menores de Apple, Meta y Anthropic.

¿Cómo se compara Gitee con GitHub, GitLab y Bitbucket?

El informe toma como referencia el escaneo de 5,6 millones de repositorios públicos de GitLab realizado por TruffleSecurity, y Gitee supera a ambas plataformas occidentales tanto en conteo bruto como en densidad por repositorio. Hay una advertencia metodológica importante: los escaneos de TruffleSecurity usaron solo TruffleHog, mientras que este usó dos herramientas. Si se recorta el hallazgo a TruffleHog únicamente, Gitee queda en 1,76 por cada 1.000 repositorios.

El contexto más amplio confirma la tendencia. BleepingComputer reportó que un escaneo de Truffle Security sobre 224 millones de repositorios de GitHub identificó 543.699 credenciales únicas todavía válidas, con una mediana de 784 días de exposición pública. Y TechTimes recogió el reporte State of Secrets Sprawl 2026 de GitGuardian, que contabilizó 29 millones de secretos nuevos hardcodeados en repositorios públicos de GitHub durante 2025, un aumento interanual del 34%, con un salto del 81% en filtraciones de credenciales de servicios de IA.

¿Qué significa esto para tu startup?

Tres conclusiones operativas, más allá del caso chino.

Primero: el historial de Git es un pasivo permanente. Un secreto borrado del archivo actual sigue vivo en el historial de commits, y cualquiera puede clonarlo. La mediana de 784 días de exposición que reportó Truffle Security sobre GitHub muestra que la mayoría de las credenciales filtradas no se detectan durante años.

Segundo: la detección no es lo mismo que la remediación. TechTimes cita el informe DBIR 2025 de Verizon, que sitúa en 94 días la mediana que tarda una empresa en remediar un secreto filtrado, y el hallazgo de GitGuardian de que el 64% de las credenciales confirmadas como válidas y filtradas en 2022 seguían siendo explotables en enero de 2026. Detectar la clave es la mitad del trabajo; rotarla es la otra.

Tercero: los agentes de IA aceleran la fuga. El mismo reporte de GitGuardian documentó 24.008 secretos únicos en archivos de configuración de MCP en repositorios públicos de GitHub. Si tu equipo usa asistentes de código, esa es una superficie nueva que probablemente nadie está revisando.

¿Qué acciones concretas puedes implementar esta semana?

Escanea el historial completo, no solo el HEAD. Herramientas como TruffleHog o Kingfisher permiten recorrer todos los commits. El informe demuestra que usar dos escáneres con verificación activa contra la API del proveedor detecta cerca del doble que usar uno solo.
Rota toda credencial que haya estado expuesta alguna vez. Aunque el repositorio sea privado, aunque el archivo se haya borrado, aunque el proyecto esté archivado. La revocación del lado del proveedor es la vía más fiable, porque no depende de que el desarrollador que filtró la clave haga algo.
Automatiza la expiración de secretos. Un gestor de secretos con rotación programada convierte un incidente de seguridad en una tarea de mantenimiento.
Revisa tus archivos de configuración de MCP y de agentes de IA. Son el vector de crecimiento más rápido según los datos de GitGuardian, y suelen quedar fuera de los flujos de revisión de código tradicionales.

Conclusión

El hallazgo de 26.400 credenciales activas en 7,25 millones de repositorios de Gitee no es una anomalía china: es la medición más completa que existe de un problema estructural del desarrollo moderno. La asimetría en los canales de divulgación que señala el informe —las empresas occidentales suelen tener programas de bug bounty y canales de seguridad accesibles, mientras que la mayoría de las chinas no— deja a miles de credenciales sin una ruta clara de remediación.

Para un founder, la lección es que la arquitectura de este escaneo es portable: el mismo pipeline de Modal con doble escáner funciona en casi cualquier hosting Git cambiando la URL de clonado, y el costo total fue de unos 3.000 dólares. Si un investigador independiente puede hacer eso con un presupuesto de créditos, tu equipo puede hacer la versión a escala de tu propio código esta semana.