Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

vooda.ai

Vooda es un escáner de secretos autocontenido que detecta credenciales en repositorios Git, tickets y almacenamiento en la nube. Utiliza reglas y regex para encontrar candidatos, seguido de verificación contra el proveedor real y triaje con IA local o API.

Ficha actualizada 22 sept 2026, 18:29 · upstream 22 sept 2026, 17:38 · release v0.1.1

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es vooda.ai

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Vooda permite encontrar contraseñas, tokens y credenciales expuestas en múltiples fuentes: código fuente, historial de commits, tickets de Jira, almacenamiento en la nube (S3, GCS), registros de CI/CD e imágenes de contenedores. La arquitectura se basa en un pipeline único que combina detección con regex, verificación contra el proveedor y triaje mediante IA local o API externa.

La herramienta es completamente autocontenida: no requiere instalación adicional ni dependencias externas. Se puede ejecutar desde un repositorio Git, a través del CLI o como servicio Docker. Incluye modo de desarrollo (hot reload) y modo producción con generación automática de secretos.

CASOS DE USO
  • Detectar contraseñas expuestas en commits de código fuente
  • Identificar tokens de acceso en tickets de Jira o ServiceNow
  • Verificar credenciales en imágenes de contenedores y registros
  • Escanear almacenamiento en la nube (S3, GCS, Azure Blob)
  • Detectar claves API en logs de CI/CD
  • Identificar tokens de acceso en archivos de configuración
PUNTOS DESTACADOS
  • Triaje con IA local sin costo: se puede ejecutar modelos como Ollama o vLLM sin pagar por tokens
  • Verificación contra el proveedor real: confirma si una credencial aún funciona antes de considerarla activa
  • Detección en múltiples fuentes: código, tickets, almacenamiento y pipelines
  • Modo local con $0 costo de IA: no se envían datos a ningún endpoint externo
  • Soporte para modelos locales (Qwen 27B, Gemma 31B) y API OpenAI compatible
  • Completamente autocontenido: sin dependencias externas ni instalación adicional
PRECAUCIONES
  • No escanea el entorno de producción en tiempo real, solo repositorios Git y tickets
  • La verificación contra el proveedor requiere acceso al servicio del proveedor
  • Los modelos locales tienen límites de contexto que pueden afectar la precisión
  • El triaje con IA puede fallar si el modelo no es capaz de entender un contexto específico
  • No detecta credenciales en servidores o aplicaciones sin repositorios Git asociados
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO30 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Para producción, se recomienda usar el modo 'production' (port 3000) y configurar un proxy inverso como nginx. En desarrollo, use 'development' (ports 3001/8001). Se debe cambiar la contraseña del administrador antes de exponer a red. Para modelos locales, configure la URL correcta (host.docker.internal en lugar de localhost). Active o desactive verificación mediante el flag VERIFICATION_ENABLED=false si se requiere escaneo sin validación externa.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsReactNode.jsFastAPIPython
SERVICIOS
PostgreSQLRedisS3/MinIO
BASES DE DATOS
PostgreSQLRedis
PUERTOS
30008000
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.