实战

Lovable 泄露事件:AI 编程工具的安全账单

Lovable 生成的应用被曝暴露护照信息和逾 20 万条私信。问题不只在代码生成,更在预览、托管与权限默认值。

字号

一个 AI 编程工具生成的页面看起来没问题,甚至能正常注册、登录、收私信。但这不等于它能安全上线。

研究页面 “Lovable apps expose passport details and more than 200K private messages” 披露,被暴露的数据包括用户护照等敏感个人信息,以及超过 20 万条私人消息。该研究登上 Hacker News 首页,获得 256 分和 79 条评论。

这件事值得拆开看。它不是单纯的“模型生成了坏代码”,而是暴露了 AI 应用从提示词、预览环境到生产发布之间的断层:代码可以生成,权限却没人替开发者兜底。

原始研究:https://www.crissyfield.de/research/lovable-en/
Hacker News 讨论:https://news.ycombinator.com/item?id=50499017

泄露的不是代码,是应用边界

传统代码审计通常从代码本身开始:有没有 SQL 注入、硬编码密钥、危险依赖。

AI 生成应用多了一层。开发者输入的是一句自然语言,模型把它变成前端、后端、数据库表和接口。提示词可能只描述了“做一个社交应用”,没有明确写出:

  • 哪些字段只能本人读取;
  • 哪些接口需要认证;
  • 预览环境是否允许访问真实数据;
  • 发布时是否沿用了测试环境的宽权限;
  • 第三方服务、对象存储和数据库的默认策略是什么。

这些不是模型能凭空猜对的产品决策。只要默认值偏宽,生成速度越快,错误配置复制得也越快。

护照信息属于高敏感个人信息。它一旦被暴露,损害不只是改密码或撤回消息。身份冒用、诈骗和跨服务关联风险都会随之上升。超过 20 万条私人消息则说明,泄露规模已经超出单个测试账号的范围。

因此,事件的核心不是“Lovable 会不会写代码”,而是“它生成的应用有没有把真实用户和生产数据隔离在正确边界内”。

从提示词到真实数据的三段链路

1. 构建阶段:恶意指令可能混进需求

用户会给 AI 编程工具这样的指令:

添加上传功能,并把文件保存到公开目录。

模型照做后,上传目录、静态资源服务和访问策略可能被一起配置成公开可读。

更麻烦的是,仓库里的 README、issue、环境文档也可能含有恶意文本。开发者复制一段看似无害的配置,AI 却把它当成项目上下文。AI Agent 一旦拥有终端、数据库或部署权限,提示注入就不只是生成错误代码,还可能变成执行错误操作。

2. 预览阶段:测试界面可能连着真实数据

预览环境本来是低风险沙箱,但下面这种配置很常见:

DATABASE_URL=真实生产数据库地址
AUTH_SECRET=生产环境密钥
OBJECT_STORAGE_PUBLIC=true

应用在本地跑得很好,是因为它直接读取了生产数据。只要预览地址可公开访问、鉴权中间件漏挂、对象存储策略放宽,测试账号就可能看到真实用户内容。

Lovable 案例里,护照信息和大量私人消息同时出现,指向的正是这个问题:数据访问边界与 UI 权限边界没有对齐。

3. 发布阶段:部署成功不代表授权正确

发布流水线通常会检查构建是否成功、端口是否健康、页面是否能打开。这些是可用性检查,不是安全检查。

下面两个接口都可能返回 200:

GET /api/messages/:userId
GET /api/messages/:userId
Authorization: Bearer <任意有效或缺失的令牌>

区别在授权逻辑。数据库能查到数据,只说明查询语句执行成功;接口没有逐用户校验,说明数据模型里的 user_id 并没有变成访问控制条件。

这就是 AI 编程工具最容易被忽略的地方:模型可以快速补齐 CRUD 接口,却不会自动理解组织、租户、角色、所有权和审计要求。

Lovable 案例暴露了什么

第一,代码生成质量与访问控制质量是两套指标。

代码语法正确、页面完整、数据能显示,不代表接口只允许数据所有者访问。AI 往往擅长生成“主路径”,包括注册、登录、列表和详情。但权限通常藏在条件分支、行级过滤和中间件里。这些要求如果只存在于一句模糊提示中,模型很容易给出一个能演示、不能上线的版本。

第二,数据库访问是最值得优先检查的位置。

一个典型危险接口是:

export async function GET(
  request: Request,
  { params }: { params: { userId: string } }
) {
  const messages = await db.messages.findMany({
    where: { userId: params.userId },
  })

  return Response.json(messages)
}

这段代码没有任何语法错误,也没有运行时异常。但它信任 URL 中的 userId。如果登录会话没有参与查询,用户改一下参数就能读取别人的消息。

安全版本至少要让服务端从已验证会话中取得身份,并明确检查资源所有权:

export async function GET(request: Request) {
  const session = await requireSession(request)

  const messages = await db.messages.findMany({
    where: { userId: session.user.id },
  })

  return Response.json(messages)
}

第三,认证和授权不能混为一谈。

“用户已经登录”只回答了你是谁。“你能否读取这条私信”回答的是你能不能访问这份资源。后者需要对象级检查。管理员访问、客服排障、测试账号和共享数据,也都需要单独规则。

第四,预览环境和生产环境必须硬隔离。

最省事的做法不是只改数据库地址,而是使用不同账号、不同密钥、不同数据桶和不同网络策略。生产数据不应该出现在常规预览流程里。

开发者该补上的 5 道安全检查

1. 敏感数据最小化

先问一个简单问题:这个功能真的需要护照图片、完整生日、长期保留的私人消息吗?

默认只收业务必需字段。能用状态代替图片,就不要上传原文件。能存消息数量,就不要复制全部消息正文。

上传文件还要限制类型、大小和保存位置。护照扫描件这类数据,不应默认进入公开对象目录。

2. 环境变量与数据彻底隔离

至少准备三套环境:本地、预览、生产。每套使用独立数据库账号和存储桶。

# 本地与预览只使用测试数据
DATABASE_URL="$PREVIEW_DATABASE_URL"
AUTH_SECRET="$PREVIEW_AUTH_SECRET"
OBJECT_STORAGE_BUCKET="app-preview-uploads"
OBJECT_STORAGE_PUBLIC=false

不要只依赖命名空间或 NODE_ENV 区分。真正的隔离应该由数据库账号权限、网络策略和存储桶策略共同实现。

3. 给每个接口加鉴权和对象级检查

检查清单包括:

  • 未登录请求是否返回 401;
  • 已登录但访问他人数据是否返回 403 或 404;
  • 查询条件是否来自服务端会话,而不是 URL 参数;
  • 管理接口是否有独立角色;
  • 写操作是否有 CSRF 防护或合适的 Token 策略。

可以用 curl 做最小验证:

curl -i https://example.com/api/messages/target-user-id

预期是 401。然后登录另一个普通用户,再请求同一路径,预期不能获得目标用户数据。403 与 404 都可以,但不能返回消息正文。

4. 自动化扫描常见暴露面

把检查放进 CI,而不是上线前人工凭感觉。主要扫这些项目:

  • 路由接口是否存在;
  • 是否引用环境变量;
  • 认证中间件是否覆盖;
  • 数据库查询是否带用户或租户条件;
  • 存储桶是否存在公开访问配置。

工具可以先做静态规则扫描,再配合集成测试验证越权访问。扫描器只能发现已编码的问题,不能代替权限测试。

5. 上线前做一次人工权限复核

至少找两个角色实际走一遍流程:普通用户、管理员,以及一个未登录访客。

重点不是“按钮能不能点”,而是直接请求接口。重点检查列表、搜索、下载、导出、分享链接和批量操作。很多问题藏在页面之外,尤其是公开 API。

发布前还应加一道数据暴露检查:记录访问日志,核对最近是否出现异常高频读取、跨用户 ID 连续访问和短时间内大量导出。

编辑思考

这次事件和过去的代码助手风险不同。过去,AI 主要帮助开发者写函数、补测试或解释代码;即使生成错误,边界通常还在开发者熟悉的代码仓库里。现在,AI 编程产品把前端、后端、数据库、预览和部署连成一条链,错误默认值会直接变成可访问的生产能力。

我的判断是,AI 编程产品接下来的竞争指标会从“几分钟生成一个可用应用”转向“默认配置是否安全”。企业会追问:预览环境能否碰到生产数据?Agent 拿到部署权限后能执行什么?每次发布是否自动生成权限测试和审计报告?这些问题会比首屏效果更能决定采购。

但目前材料还不足以断言泄露来自 Lovable 平台本身,还是由特定应用配置、第三方组件或错误部署共同造成。原始研究需要继续追踪。确定的是:代码能运行不等于授权逻辑正确,而一旦真实护照和 20 万条私信被暴露,AI 编程工具就不能再把安全性完全转交给提示词。

来源: https://www.crissyfield.de/research/lovable-en/