דלג לתוכן הראשי
אבטחה ו-AI בארגון

אפליקציה שעובד בנה עם AI: מה מלמדת סריקה של 159 אלף אפליקציות

סריקה של אפליקציות Lovable מצאה אלפי אתרים שמחזירים נתונים בלי סיסמה. מה זה אומר לחברה שהעובדים שלה כבר בונים כלים לבד, ומה לבדוק לפני שכלי כזה נוגע בלקוחות.

במאמר הזה
    משרד פתוח בלילה עם מסכים דולקים של אפליקציות קטנות, ומאחד המסכים זרם של מסמכים עף על חוטי אור סגולים אל חלון פתוח

    בקצרה: חוקרי אבטחה סרקו 159,041 אפליקציות שנבנו בכלי Lovable. ב-24,664 אתרים מסד הנתונים החזיר רשומות לכל מי שנכנס, בלי התחברות. התנאים של הכלי משאירים את האחריות לנתונים אצל מי שבנה. לחברה זה אומר דבר פשוט: צריך לדעת אילו כלים העובדים כבר בנו, מה יש בהם, ומי בדק אותם.

    כלים כמו Lovable מאפשרים לכל עובד לתאר במילים מה הוא צריך ולקבל אפליקציה עובדת: טופס הרשמה לאירוע, מעקב פניות, פורטל קטן לספקים. זה מהיר, זה זול, וזה פותר בעיות אמיתיות.

    השאלה שמחקר חדש מגרמניה מעלה היא לא אם העובדים שלכם בונים כלים כאלה. סביר שכן. השאלה היא מה קורה עם המידע שהכלים האלה מחזיקים.

    מה המחקר מצא?

    חברת האבטחה Crissy Field, בשיתוף העיתון הכלכלי Handelsblatt, איתרה 159,041 אפליקציות שנבנו ב-Lovable. מתוכן 34,545 משתמשות במסד הנתונים Supabase. החוקרים טענו כל אתר כמו גולש רגיל, בלי להתחבר, ובדקו מה חוזר.

    • ב-24,664 אתרים חזרו רשומות מהמסד בלי התחברות. החוקרים מציינים שחלק מזה מידע שאמור להיות ציבורי.
    • ב-7,403 אתרים נמצאו כתובות מייל בטבלאות. לפי החוקרים זה לא שיעור דליפה מאומת, והמדגם לא מייצג את כל הכלי.
    • בין הדוגמאות: רשומות כרטיסים ומכירות של מארגני אירועים ומסעדות עם פרטי תשלום, סיכומי AI של מיילים פנימיים בחברה לניהול נכסים, חוזים וחשבוניות, התכתבויות וואטסאפ בתוך צוותים, ואצל נותן שירות אחד מעל 1,000 רשומות עם מספרי דרכון.

    אלה לא אתרים של חברות טכנולוגיה. אלה עסקים רגילים שמישהו בנה להם, או שבנו לעצמם, כלי שעובד.

    למה זה קרה?

    לא בגלל פריצה לכלי. הנתונים נחשפו כי במסד הנתונים של כל אפליקציה לא הוגדר מי רשאי לראות מה. בשפה עסקית: הדלת הייתה נעולה מבחוץ, אבל המגירות בפנים היו פתוחות לכל מי שידע לבקש.

    החוקרים מוסיפים שתי נקודות שחשובות למנהל. הראשונה: אותן טעויות חוזרות באלפי אפליקציות, ולכן מי שמחפש אותן מוצא אותן במאמץ קטן. השנייה: מי שבונה בלי רקע טכני מתקשה לזהות את הבעיה בכלל. האפליקציה עובדת, נראית טוב, ואין שום סימן שמשהו פתוח.

    למה זה הבעיה של המנהל ולא רק של מי שבנה?

    לפי המחקר, התנאים של Lovable מטילים על הלקוח את האחריות לאבטחה ולטיפול בנתונים. כשעובד בונה כלי לצורכי עבודה ומכניס אליו פרטי לקוחות, הלקוח הזה הוא בפועל החברה.

    לוח כתיבה על שולחן חשוך ועליו טבלת מיפוי של כלים פנימיים עם תיבות סימון, ואריחי זכוכית קטנים מחוברים לשורות שלה בחוטי אור סגולים

    ובדרך כלל המנהל לא יודע שהכלי קיים. הוא נבנה בערב אחד, עלה לאוויר, ופותר בעיה. אף אחד לא רשם אותו ברשימת המערכות, ואף אחד לא שאל איפה הנתונים שלו יושבים.

    כתבנו בעבר על השאלות לשאול לפני שכלי כזה עולה. המחקר הזה מוסיף שלב שקודם לזה: לגלות מה כבר עלה.

    מה לבדוק בחברה השבוע?

    1. מיפוי: אילו כלים כבר קיימים?

    שאלו את מנהלי המחלקות אילו טפסים, פורטלים ואפליקציות קטנות נבנו בשנה האחרונה עם כלי AI. בדקו גם אילו חשבונות של כלי בנייה ומסדי נתונים בענן נפתחו על שם החברה. המטרה היא רשימה, לא אשמה.

    2. סיווג: מה יש בכל כלי?

    לכל כלי ברשימה, שאלה אחת: האם יש בו מידע על לקוחות, עובדים, ספקים או כסף? כלי שמציג תפריט לחדר האוכל הוא לא אותו סיפור כמו כלי שמחזיק רשימת לקוחות עם טלפונים.

    3. בדיקה: מי וידא שרק מי שצריך רואה?

    לכל כלי עם מידע רגיש, בקשו ממי שבנה להראות שהגדרות ההרשאה במסד הנתונים מופעלות, ושהכלי נבדק מחלון גלישה בסתר, בלי התחברות. ב-Supabase יש לזה שם: RLS. אם התשובה היא "לא יודע", זו התשובה שחיפשתם. החוקרים ממליצים לבדוק הרשאות והפרדה בין משתמשים לפני שכלי מטפל בנתוני לקוחות אמיתיים, ולחזור על הבדיקה אחרי שינויים משמעותיים.

    איפה האדם נשאר בתמונה?

    כלי AI יכול לבנות אפליקציה ואפילו להציע בדיקות אבטחה. הוא לא יכול להחליט בשבילכם אילו נתונים בכלל מותר להכניס לכלי שנבנה בערב אחד. ההחלטה הזו, ומי חותם שהכלי נבדק, נשארות אצל אדם בחברה. החוקרים עצמם כותבים שבדיקות אוטומטיות לא מחליפות הערכת אבטחה מקצועית, ושכשאין ידע כזה בחברה צריך להביא מומחה.

    איך מתחילים?

    לא צריך לעצור את העובדים. בחרו כלל אחד וכתבו אותו השבוע: כל כלי שנבנה עם AI ונוגע בנתונים של לקוחות, עובדים או כסף, נרשם ונבדק לפני שהוא עולה. כלים בלי מידע רגיש ממשיכים לרוץ חופשי. ואם אתם משלבים בחברה גם כלים חינמיים או בקוד פתוח, יש לנו רשימת בדיקה גם לזה.

    שאלות נפוצות

    האם זה אומר שצריך לאסור על עובדים לבנות כלים עם AI?

    לא בהכרח. איסור גורף בדרך כלל דוחף את הבנייה למקומות שלא רואים. עדיף כלל ברור: מה מותר לבנות לבד, ומה חייב בדיקה לפני שהוא נוגע בנתונים רגישים.

    מי אחראי אם כלי שעובד בנה הדליף מידע?

    לפי המחקר, התנאים של Lovable מטילים את האחריות לאבטחה ולנתונים על הלקוח. בשאלה המשפטית הספציפית כדאי להתייעץ עם יועץ משפטי, אבל ההנחה הבטוחה היא שהאחריות אצלכם.

    איך יודעים אם יש אצלנו כלים כאלה?

    שואלים. סקר קצר בין מנהלי המחלקות, ובדיקה אילו חשבונות של כלי בנייה ומסדי נתונים בענן נפתחו על שם החברה, נותנים תמונה ראשונה.

    מספיק שהעובד יבקש מכלי ה-AI לבדוק את האבטחה?

    לא. בדיקה אוטומטית היא התחלה טובה, אבל כלי שנוגע בנתוני לקוחות צריך עין של מי שמבין באבטחה, ובדיקה חוזרת אחרי כל שינוי משמעותי.

    מקור: המחקר Lovable: Many Apps Built on the Platform Expose Sensitive Data של Crissy Field, בשיתוף Handelsblatt.

    רוצים לחשוב יחד איך להכניס AI לחברה בלי לפתוח מגירות שלא התכוונתם? דברו איתנו.

    צוות Agentic

    הצוות שמאפיין, בונה ומלווה את הסוכנים של Agentic-dev אצל לקוחות בישראל.

    רוצים לבדוק איך זה ייראה אצלכם?

    ספרו לנו על תהליך אחד בשיחה של 30 דקות. נגיד לכם בכנות אם סוכן יכול לעשות אותו.

    רוצים את זה ישר למייל?

    ניוזלטר עם המאמרים הטובים ביותר. בלי ספאם ובלי מכירות.

    הרשמה לניוזלטר

    ספרו לנו על התהליך. נראה לכם איך סוכן יעשה אותו אצלכם.

    • שיחה של 30 דקות, לא מצגת
    • מגיעים עם רעיון ראשוני: פתרון מוכן שמותאם, או בנייה לפי צורך
    • נחזור אליכם בהקדם האפשרי