Saltar al contenido
Cursos/Crea webs profesionales con IA desde cero/Laboratorio: localiza y rota un secreto de prueba
Revisión pendiente desde 21 ago 20263 fuentes primarias

Laboratorio: localiza y rota un secreto de prueba

Sigue el recorrido completo desde detección y contención hasta rotación, redeploy y prevención.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «Laboratorio: localiza y rota un secreto de prueba».

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
Evidencia

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Lección 36 de 4780 min Laboratorio reproducible Codex + GPT-5.6 Sol

Resultado visible

Practicarás el ciclo completo de un secreto comprometido: detectar, contener, rotar, actualizar entornos, redeployar, comprobar y prevenir.

Estado roto seguro

Usa únicamente el marcador EXAMPLE_SECRET_DO_NOT_USE. Colócalo en un archivo de laboratorio incluido por error en Git. No imites el formato de una clave real y no uses una credencial válida.

Detección

git grep -n "EXAMPLE_SECRET_DO_NOT_USE"
git log -S "EXAMPLE_SECRET_DO_NOT_USE" --oneline

Comprueba también el bundle servido al navegador y logs de prueba. No imprimas secretos reales durante una auditoría.

Prompt de respuesta

Trata el marcador como un secreto comprometido. No muestres otros valores.
Identifica alcance: archivo, commits, builds y entornos. Propón contención,
revocación/rotación en el proveedor, actualización como variable sensible,
redeploy de preview y producción y prueba posterior. Borrar el texto del
último commit no cuenta como rotación. No reescribas historial compartido
sin un plan aprobado. Añade prevención con .gitignore y secret scanning.

Verificación y restauración

En el laboratorio sustituye el marcador por process.env.EXAMPLE_API_KEY, añade solo el nombre a .env.example y elimina el valor. Simula la rotación anotando antigua revocada / nueva activa sin valores. Confirma que el bundle no lo contiene. Limpia la rama de laboratorio.

Fuentes oficiales

Si has guardado la evidencia de esta lección, continúa con «Laboratorio: separa preview y producción». Si no, repite la comprobación antes de avanzar.

Mapa completo de AulafyConsulta cómo encaja esta lección sin salir de tu ruta.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo