Le nouvel outil FP Remover basé sur des algorythmes de machien leraning a permis d’éliminer la moitié des 10% de faux positifs incorrectement identifiés par la plateforme de detection des secrts de l'éditeur français.
GitGardian réduit le nombre de faux positifs grâce à l’IA. Le spécialiste français de la découverte des secrets dans le code vient d’intégrer à ses solutions FP Remover, un outil basé sur des algorithmes de machine learning développé en interne pour améliorer la précision de son moteur de détection. Ce nouvel ajout a ainsi permis de réduire de 50% le nombre de faux positifs remontés par la solution. L’objectif est ainsi de désengorger les équipes qui passent encore beaucoup trop de temps à chasser ces derniers.
Précisément, FP Remover élimine la moitié des 10% de faux positifs incorrectement identifiés comme des secrets par les moteurs de détection génériques mais rejette également 0,3% de vrais positifs. GitGuardian estime toutefois ce compromis acceptable arguant que sa détection de secrets est suffisamment large pour avoir un très faible taux de vrais positifs non identifiés.
