Platform Keamanan Kode Berbasis AI

Situasi

Organisasi GitHub dengan 100+ repositori membutuhkan security scanning yang konsisten pada pull request, triage yang jelas, dan perbaikan yang dapat ditinjau dengan aman oleh engineer sebelum merge. Untuk kebutuhan ini, saya membangun Pris.AI, platform keamanan kode AI milik MII, sebagai engineer dan operator tunggal. Setiap perbaikan harus tetap dapat ditinjau, dan scan atas kode tak tepercaya harus terpisah dari secret produksi.

Peran dan keputusan utama

1. 1

   Menyatukan delapan scanner open-source di balik satu GitHub App

   Alasan: Engineer membutuhkan satu hasil yang konsisten per pull request. Karena itu, saya menormalisasi output setiap engine, menambahkan data exploit-likelihood dan known-exploited, serta menjaga identitas temuan tetap stabil antar-scan.

2. 2

   Membatasi cakupan setiap fix PR dan mewajibkan review manusia

   Alasan: Perbaikan yang tidak dapat ditinjau oleh engineer justru menambah risiko. Karena itu, agent hanya menerapkan patch pada bagian kode yang dipilih sesuai token budget, tidak pernah menurunkan versi dependency, dan harus lolos proteksi path sensitif serta rescan sebelum membuka PR.

3. 3

   Mengisolasi scan dari secret produksi setelah audit internal

   Alasan: Audit tersebut berhasil mereproduksi eksekusi kode repositori tak tepercaya dalam lingkungan yang juga menyimpan secret produksi. Saya kemudian memimpin program hardening 14 item, memindahkan scan ke job terisolasi dengan autoscaling dan token yang dibatasi per job. Cut-over ini menimbulkan jeda layanan sekitar 9 menit.

Hasil

• 8 engines

  Engine scanning per pull request dalam organisasi dengan 100+ repositori

  Dijalankan di produksi melalui GitHub App: Semgrep, Bandit, Trivy, OSV-Scanner, Grype, Gitleaks, TruffleHog, dan Checkov.

• 628 PRs

  Pull request yang di-review menggunakan hasil scan di 24 repositori

  Tercatat hingga 24 Okt 2026; sekitar 4,9 ribu scan dan 645 ribu temuan diproses hingga akhir September 2026.

• 31 fix PRs

  PR fix agent dibuka di 7 repositori; 8 di-merge setelah review manusia

  Setiap fix PR wajib melewati review manusia. Angka ini tidak menyatakan merge rate yang lebih tinggi.

• ~9 min

  Jeda layanan produksi saat cut-over ke job scan terisolasi, menutup celah eksekusi kode yang direproduksi

  Dikerjakan dalam hardening isolasi 14 item dengan hak akses cloud level Contributor.

Pelajaran

Buat threat model sejak deploy pertama: menjalankan scan secara inline adalah kompromi yang masuk akal dengan izin yang tersedia, tetapi saat itu juga seharusnya ada threat model tertulis, bukan menunggu audit belakangan. Flag mengurangi risiko dalam hitungan jam; isolasi memperkecil risiko yang tersisa.

Arsitektur

Galeri

Tech stack

• Next.js
• FastAPI
• Azure Container Apps
• Container Apps Jobs
• KEDA
• Service Bus
• Cosmos DB
• Azure OpenAI
• Azure AI Content Safety
• GitHub Apps
• Bandit
• Trivy
• OSV-Scanner
• Bicep
• Semgrep
• Grype
• Gitleaks
• TruffleHog
• Checkov