Sina Kashani
Fallstudie · Security

Redactor

Eine Offline-Desktop-App und ein Kommandozeilen-Tool, die Passwörter, API-Schlüssel und Tokens aus Texten entfernen, bevor ich sie in einen KI-Assistenten einfüge.

Problem

Wenn ich einen KI-Assistenten um Hilfe bitte, füge ich oft Logs, Konfigurationsdateien oder Terminalausgaben ein. Darin können API-Schlüssel, Passwörter oder Tokens stehen. Secret-Scanner schützen Code-Repositories, aber die Zwischenablage, also der Moment kurz bevor Text den Rechner verlässt, hat bisher niemand geschützt.

Was ich gebaut habe

Redactor ist eine Windows-Desktop-App und ein Kommandozeilen-Tool, scrub, für Windows, Linux und macOS. Man fügt Text ein und bekommt denselben Text zurück, in dem jedes Geheimnis durch ein Label wie [REDACTED: Password #1] ersetzt ist. Derselbe Wert bekommt immer dieselbe Nummer, sodass der Assistent weiterhin sieht, dass zwei Zeilen dasselbe Passwort benutzen. Ein globaler Hotkey bereinigt die Zwischenablage an Ort und Stelle, und scrub kann einen Commit blockieren, der Geheimnisse enthält.

Alles läuft auf dem eigenen Rechner. Es gibt keinen Netzwerkcode, und der Build schlägt fehl, wenn jemals eine HTTP-Bibliothek in die Abhängigkeiten gelangt.

So funktioniert es

Eine Rust-Engine bedient die App und die Kommandozeile:

  1. Sie entfernt unsichtbare Zeichen, die ein Geheimnis verstecken könnten, und merkt sich die Zuordnung zum Originaltext.
  2. Drei Detektoren laufen: 181 Regeln für bekannte Token-Formate, eine Kontext-Engine, die Schlüsselnamen in JSON, YAML, XML, Shell, SQL und Fließtext in fünf Sprachen liest, und ein kleiner trainierter Klassifikator für zufällig wirkende Tokens.
  3. Sie schaut in base64-, hex-, prozentkodierte und JSON-escapte Texte hinein und findet jede weitere Kopie eines Geheimnisses, auch kodierte Kopien.
  4. Jeder Wert bekommt genau ein Label, und die Ausgabe wird noch einmal geprüft, bevor sie als sicher gilt.

Mein Anteil

Ich habe das Projekt geleitet. Ich habe die Anforderungen und die Sicherheitsregeln festgelegt, das Bedrohungsmodell geschrieben, die Architekturentscheidungen getroffen (Rust statt des Python-Prototyps, Tauri statt Electron, Netzwerkfreiheit durch den Build erzwungen) und entschieden, was ausgeliefert wird. Den Code haben KI-Coding-Agenten parallel unter meiner Leitung geschrieben. Jede Änderung musste die Tests, einen Genauigkeits-Korpus und ein Review bestehen, bevor sie gemergt wurde.

Ergebnis

Version 2.0 erschien am 7. November 2026. Version 2.1 folgte am 11. November, nachdem sechs Reviewer meine eigene Version geprüft und Lücken gefunden hatten, die ich danach geschlossen habe. Es gibt einen 2,9-MB-Installer, eine portable App und das Kommandozeilen-Tool für vier Plattformen.

Auf meinem beschrifteten Test-Korpus findet Redactor alle 811 eingebauten Geheimnisse in 92 Dateien, mit keinem Fehlalarm in 62 sauberen Dateien. Ich habe die Detektoren auf diesen Korpus abgestimmt, er beweist also die bekannten Fälle und sagt nichts über unbekannte. Das Bedrohungsmodell listet sieben Muster, die weiterhin durchrutschen, jeweils mit einem Workaround. 895 Rust-Tests und 183 UI-Tests laufen in der CI unter Windows und Linux. Releases werden nur auf den Servern von GitHub gebaut, mit Prüfsummen und Build-Provenance-Attestierungen, die jeder verifizieren kann.

Was ich als Nächstes tun würde

Die Windows-Dateien über das kostenlose Programm der SignPath Foundation signieren, die Desktop-App für macOS und Linux bauen und die bekannten Lücken schließen, ohne neue Fehlalarme zu erzeugen.