LONDON (IT BOLTWISE) – Das Open-Source-Tool Sift durchsucht lokale Datenträger, Windows-Freigaben, ganze Active-Directory-Domänen sowie SharePoint, OneDrive, Teams-Dateien, Slack-Nachrichten und Jira-/Confluence-Kommentare nach Passwörtern, API-Keys und weiteren sensiblen Daten. Die Ergebnisse lassen sich über eine lokale KI-Filterschicht mit Ollama reduzieren, ohne dass Scan-Daten den Rechner verlassen. In Benchmarks auf synthetischen Repositorien liegt Sift beim Durchsatz deutlich vor einem vorher genutzten Vergleichsprojekt und arbeitet mit Checkpoints für abgebrochene Läufe. Für Teams heißt das: Secret-Scanning lässt sich näher an den eigenen Workflows bringen, bevor Credentials in Tickets, Logs oder Dateien landen.
Wer Authentifizierungsdaten „nebenbei“ in Tickets, Chats oder Dateifreigaben ablegt, merkt oft erst im Nachhinein, wie schnell aus einem Testkonto ein echtes Risiko wird. Genau dort setzt das Kommandozeilen-Tool Sift an: Es ist auf Secret Scanning ausgelegt und sucht nach Passwörtern, API-Keys und weiteren sensiblen Informationen in den Bereichen, in denen Unternehmen ihre Arbeitsdaten typischerweise ablegen. Dazu zählen sowohl klassische Speicherorte wie lokale Disks und Windows-Dateifreigaben als auch Verzeichnisse im Stil ganzer Active-Directory-Domänen. Ebenso erfasst Sift Inhalte aus Microsoft 365 und Team-Kommunikation: SharePoint, OneDrive, Teams-Kanaldateien sowie Slack-Nachrichten gehören zur Zielmenge.
Spannend ist dabei nicht nur der Umfang der Quellen, sondern die Art, wie Sift die Ergebnisse in den Betriebsalltag übersetzen will. In dem Kontext, wie Stratus Security das Tool für eigene Penetration-Testing-Engagements eingesetzt und danach als Open Source freigegeben hat, wird ein konkreter Lerneffekt beschrieben: In Jira Ticket-Kommentaren wurden laut CTO Colin Watson „thousands of credentials“ gefunden, die in einem früheren Setup über Jahre hinweg nicht bemerkt worden seien. Die Aussage ist wichtig, weil sie das typische Blind-Spot-Muster trifft: Wenn Secret Scans nicht in die Standard-Toolchain integriert sind, entstehen seltene, aber folgenreiche Lücken an genau den Stellen, an denen Entwickler und Admins ohnehin kommunizieren.
Technisch betrachtet arbeitet Sift als CLI-Werkzeug, das die Scan-Ziele nicht nur lokal, sondern auch server- bzw. domänenbezogen abklopft. Für die Praxis heißt das: Ein kompletter Scan kann sehr schnell „in der Fläche“ gehen – etwa über breite Verzeichnisbäume oder große Mengen kleiner Dateien. In den von Stratus veröffentlichten Benchmarks gegen Snaffler 1.0.244 (auf synthetischen File-Repositories, jeweils drei Runs pro Szenario, am 24. August 2026) zeigt sich der Geschwindigkeitsvorteil in mehreren Dimensionen: Beim Scannen von 250.000 kleinen Dateien benötigte Sift im Schnitt 10,61 Sekunden gegenüber 25,48 Sekunden. Beim Durchsatz von 5,5 GiB lag Sift bei 0,69 Sekunden, während Snaffler 6,32 Sekunden brauchte; in einem tiefen, breiten Verzeichnisbaum waren es 1,12 Sekunden (Sift) versus 2,37 Sekunden. Über alle Szenarien gemittelt endete Sift damit bei 12,42 Sekunden, während Snaffler auf 34,18 Sekunden kam.
Auch bei der Ressourcenlast deutet das Bild klar in Richtung effizienterem Laufzeitverhalten. Stratus gibt an, dass Sift im Mittel 92 MiB RAM verwendet und bei 102,2 MiB in Peaks liegt, während Snaffler im Schnitt 337 MiB braucht und bei 429,5 MiB an die Grenze geht. Dazu kommt eine weitere praktische Komponente: Sift schreibt Checkpoints. Das bedeutet, dass ein abgebrochener Scan nicht bei null startet, sondern dort weitermacht, wo er sehr nahe an der letzten Marke stehen geblieben ist. Gleichzeitig adressiert das Tool offensichtlich die Risiken von „unkontrolliertem“ Durchlauf auf Produktivsystemen: Standardmäßig ist der Durchsatz nicht gedeckelt, aber Thread-Count- und Read-Rate-Flags sollen genau dann helfen, wenn ein Scan einen produktiven File Server „hämmern“ würde – und deshalb abgebrochen werden müsste.
Bei Secret Scanning bleibt das Grundproblem bestehen: Erkennung erzeugt False Positives. Deshalb ergänzt Sift den Workflow um einen Filter-Mechanismus, der auf lokaler KI basiert. Laut Beschreibung werden die Treffer an ein lokales Language Model übergeben, das mit Ollama auf derselben Maschine läuft, auf der der Scan durchgeführt wird. Damit verlassen die Scan-Daten den Rechner nicht – ein Aspekt, der gerade dann wichtig ist, wenn es sich bei den gefundenen Sequenzen im Worst Case um echte Passwörter oder Token handelt, die ein Mandant an mehreren Stellen „liegen lässt“. In der Praxis verschiebt das die Bedienbarkeit: Statt jede Meldung manuell durchzugehen, lassen sich viele Treffer zunächst automatisiert auf Plausibilität trimmen, bevor Security-Teams entscheiden, was wirklich rotiert, gesichert oder aus den Systemen entfernt werden muss.
Über den reinen Scan hinaus adressiert der Release-Prozess selbst ein Governance-Thema, das bei Open Source gern unterschätzt wird: Wer pflegt das Tool, wenn die ursprünglichen Maintainer ausgelastet sind? Stratus berichtet, dass es zuvor einen Snaffler-Fork gegeben habe, diesen aber später aufgegeben habe, weil die angesammelten Anpassungen mehr Aufwand als eine Neuentwicklung erzeugten. Die Wartung liegt nun bei einer Beratungsfirma, die parallel Kundenprojekte liefern muss – genau dieser Mechanismus sei laut Watson ein typischer Grund, warum Open-Source-Werkzeuge „still“ sterben können. Er nennt jedoch auch Gegenkräfte: Durch die eigene aktive Nutzung existiert ein direkter Wartungsanreiz, und mit wachsender Popularität steigt zusätzlich der reputationsbezogene Druck, das Projekt am Leben zu halten. Außerdem werden konkrete Beiträge erleichtert: Erkennungsregeln liegen in schlichten JSON-Dateien, sodass neue Patterns ohne Compiler-Workflows erstellt werden können; eine separate Custom-Rules-Directory ersetzt dabei statt zu erweitern, was im gebündelten Katalog ohnehin enthalten ist. Zudem werden Release-Binaries aktuell noch nicht code-signiert ausgeliefert; als Sicherheitspraktik wird deshalb empfohlen, die heruntergeladenen Artefakte gegen die veröffentlichten SHA256-Summen zu prüfen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Sift: Open-Source-Tool scannt Passwörter in Microsoft 365, Slack und Jira" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Sift: Open-Source-Tool scannt Passwörter in Microsoft 365, Slack und Jira" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Sift: Open-Source-Tool scannt Passwörter in Microsoft 365, Slack und Jira« bei Google Deutschland suchen, bei Bing oder Google News!