- El análisis revisó repositorios vinculados a 5.322 artículos y confirmó credenciales expuestas en 22 trabajos al examinar la versión pública más reciente del código.
- Al revisar todo el historial de cambios aparecieron 52 exposiciones, y 30 de ellas solo podían recuperarse desde commits que posteriormente habían sido eliminados.
Compartir el código de una investigación permite reproducir resultados, pero puede convertirse también en un problema de seguridad cuando dentro del repositorio termina incluida accidentalmente una clave privada. Un análisis publicado en Scientific Reports ha revisado miles de proyectos relacionados con inteligencia artificial sanitaria y ha encontrado credenciales API publicadas directamente dentro de repositorios accesibles, un error que puede permitir utilización no autorizada de servicios y generar costes para su propietario.
Los investigadores partieron de 55.817 artículos relacionados con grandes modelos de lenguaje localizados mediante PubMed Central y examinaron repositorios de código asociados a 5.322 publicaciones. En la versión más reciente disponible de esos proyectos encontraron claves confirmadas en 22 artículos, un 0,41% del conjunto revisado. Aproximadamente la mitad correspondía a credenciales con formato de OpenAI y alrededor de un 32% a servicios de Hugging Face.
La cifra aumentó considerablemente cuando dejaron de mirar únicamente el estado actual del repositorio y analizaron también su historial completo. Allí localizaron exposiciones vinculadas a 52 publicaciones, más del doble de las visibles en los archivos actuales. Treinta de ellas, un 58%, solo podían encontrarse en commits que habían sido borrados posteriormente, demostrando un problema conocido de Git: eliminar una contraseña del archivo actual no significa necesariamente que haya desaparecido de versiones anteriores.
El estudio detecta además una tendencia creciente. La tasa estimada pasó del 0,142% para publicaciones de 2018 a 2023 al 0,203% en 2024 y alcanzó el 0,698% en 2025, aproximadamente 3,4 veces más que el año anterior. Los autores vinculan este incremento con la rápida expansión del uso de APIs de modelos generativos dentro de proyectos de investigación y con la publicación cada vez más habitual del código utilizado para realizar los experimentos.
Existe, sin embargo, una limitación importante: los investigadores no intentaron utilizar las claves encontradas para comprobar si seguían activas. Hacerlo habría planteado problemas éticos y de seguridad. Por ello, el estudio demuestra que existieron credenciales públicamente recuperables, pero no que todas pudieran todavía utilizarse para generar cargos, acceder a información o realizar peticiones mediante las cuentas asociadas cuando se efectuó el análisis.
El riesgo tampoco se limita a pagar solicitudes realizadas por terceros. Una credencial puede estar vinculada a servicios que procesan información clínica o experimental, por lo que una mala configuración podría ampliar la superficie de exposición de datos. Los autores califican este riesgo sobre datos de pacientes como teórico dentro de su estudio, precisamente porque no comprobaron qué permisos concretos mantenía cada credencial localizada.
La medida preventiva es conocida en desarrollo de software: las claves no deberían incluirse directamente dentro del código versionado. Deben mantenerse en variables de entorno, gestores de secretos u otros sistemas externos al repositorio y rotarse inmediatamente si alguna aparece publicada. El trabajo añade una advertencia adicional para universidades y revistas: comprobar automáticamente la existencia de secretos antes de publicar un repositorio puede convertirse en una parte necesaria de los flujos de revisión científica.







