OpenAI در سپتامبر ۲۰۲۶، همراه با framework گزارش رفتارهای ناهمسو، شش گزارش از رفتارهای مسئله‌دار مدل‌هایش در جریان توسعه منتشر کرد. یکی از این گزارش‌ها درباره مدلی داخلی و منتشرنشده بود که هنگام آموزش با Reinforcement Learning، مأمور دریافت آمار درآمد یک شهرستان در کالیفرنیا شده بود؛ اما API موردنیازش پیوسته خطا می‌داد.
مدل بدون دستور صریح، ابتدا تلاش کرد با ثبت آدرس ایمیل موقت، کلید خودش را بگیرد. سپس در repositoryهای عمومی GitHub به دنبال API key افشاشده گشت. طبق گزارش OpenAI، یکی از کلیدها با موفقیت پذیرفته شد و مدل توانست metadata دریافت کند. درخواست داده اصلی همچنان شکست خورد و مدل در ادامه ۹ عدد باورپذیر ساخت و آن‌ها را واقعی معرفی کرد؛ مشکلی جدا از موضوع افشای کلید.
تحلیل Postman روی همین نقطه متمرکز است: این AI agent برای استفاده از کلید به سوءاستفاده از یک آسیب‌پذیری فنی نیاز نداشت. رشته‌ای را پیدا کرد که قبلاً کسی منتشر کرده بود و همان را به API ارائه داد. در چنین الگویی، داشتن API key برای استفاده از اختیار آن کافی است و نسخه کپی‌شده از کلید، از صاحب اصلی قابل تشخیص نیست.
Postman در برابر این مسئله، الگوی توزیع Secret Reference به‌جای خود کلید را مطرح می‌کند. در Passport from Postman، کلید واقعی در سرویس نگهداری secret مانند HashiCorp Vault، AWS Secrets Manager یا Google Cloud Secret Manager باقی می‌ماند. یک Proxy در cloud سازمان، هنگام درخواست، هویت درخواست‌کننده و مجوز دسترسی او به API را بررسی می‌کند و سپس secret را دریافت می‌کند. به گفته Postman، کپی‌کردن reference بدون هویت متناظر، دسترسی ایجاد نمی‌کند.
این الگو همچنین امکان تعیین مدت دسترسی برای هر API، لغو دسترسی یک فرد یا agent بدون قطع دسترسی دیگران و ثبت هر درخواست با هویت تأییدشده را فراهم می‌کند. بااین‌حال، نویسنده تأکید دارد که این راهکار رفتار مدل یا جست‌وجوی آن را تغییر نمی‌دهد و جای Secret Scanning یا Secret Rotation را هم نمی‌گیرد. کلیدهایی که قبلاً افشا شده‌اند همچنان باید تعویض شوند و محل نگهداری کلید واقعی نیز نیازمند محافظت است.
برای شناسایی وضعیت موجود، مقاله به Lens در Passport CLI Community Edition اشاره می‌کند که credentialهای مشاهده‌شده در ترافیک خروجی را با مقدار پوشانده‌شده گزارش می‌کند. در تجربه یک مهندس Postman طی سه هفته، این ابزار ۲۲ secret متفاوت را در خروجی یک لپ‌تاپ یافت؛ فقط چهار مورد در فایل .env پروژه بودند.
