भविष्य को आकार देने वाली तकनीक पर गहन लेख।

AI से बनी ऐप्स बिना Row-Level Security के लॉन्च हो रही हैं

AI से बने ऐप्स में Supabase की missing row-level security से पासपोर्ट और 2 लाख+ निजी संदेश लीक। अपना ऐप ऐसे ऑडिट करें।

एक कन्वेयर बेल्ट पर एक जैसे AI-जनरेटेड ऐप इंटरफ़ेस, हर एक का खुला दरवाज़ा जिससे दस्तावेज़ रिस रहे हैं।
जब हर ऐप एक ही टेम्प्लेट से बने, तो एक लॉक का न होना हज़ारों दरवाज़े खोल देता है।

159,041 ऐप्स। इतनी AI-बनी वेब एप्लिकेशन एक रिसर्च टीम ने Common Crawl आर्काइव से निकालीं और एक सीधी-सादी लेकिन घातक खामी जाँची: क्या बिना लॉगिन किए डेटाबेस रिकॉर्ड पढ़े जा सकते हैं? जिन 7,403 साइटों की गहराई से जाँच हुई, उनमें जवाब हाँ था — ईमेल पते वाली टेबलें कोई भी पढ़ सकता था। आगे खुदाई में पूरे नाम और जन्मतिथियाँ, पेमेंट डिटेल, टिकट कोड, आंतरिक WhatsApp एक्सपोर्ट, एक प्रॉपर्टी मैनेजर के ईमेल की AI-बनी समरी, एक लाइफस्टाइल फ़ोरम के 2 लाख से ज़्यादा निजी चैट संदेश, और सबसे बुरे मामले में एक हज़ार से ज़्यादा रिकॉर्ड मिले जिनमें पासपोर्ट नंबर, एक्सपायरी डेट और राष्ट्रीयता थी। लगभग हर मामले की जड़ में Supabase row-level security का न होना था, और इसका फ़ायदा उठाने के लिए ब्राउज़र के डेवलपर टूल्स से ज़्यादा कुछ नहीं चाहिए था।

आंकड़ों को सही रखना ज़रूरी है, क्योंकि इन्हें अक्सर गलत कोट किया जाता है। पहचाने गए 159,041 Lovable प्रोजेक्ट्स में से 34,545 ने डेटाबेस के लिए Supabase इस्तेमाल किया। इनमें से 24,664 ने पेज लोड होते ही डेटाबेस रिकॉर्ड ब्राउज़र तक भेज दिए — बिना लॉगिन, बिना किसी इंटरैक्शन के। यह अपने-आप में बग नहीं है; बहुत सारा डेटा सार्वजनिक होना ही चाहिए। इसलिए रिसर्चरों ने हर साइट की अपनी JavaScript में दिया गया वही API key इस्तेमाल करके अतिरिक्त read-only रिक्वेस्ट भेजीं और देखा कि क्या लौटता है। 7,403 साइटों की 10,560 टेबलों में ईमेल पते मिले — यानी गहराई से जाँची गई साइटों का 30%। यह कोई पुष्ट breach रेट नहीं है, और रिसर्चर यह साफ़ कहते हैं: कुछ पते सार्वजनिक contact inbox या टेस्ट डेटा हो सकते हैं। पर जिन मामलों को उन्होंने हाथ से वेरिफ़ाई किया, वे साफ़ थे। असली ग्राहक। असली पासपोर्ट। असली निजी संदेश।

Supabase Row-Level Security ही एकमात्र दरवाज़ा है

यह बार-बार क्यों हो रहा है, इसे समझने के लिए पहले उस सौदे को समझना होगा जो Supabase आपसे करता है। आपको सामने एक auto-generated REST API वाला Postgres डेटाबेस मिलता है, और आपका frontend सीधे डेटाबेस से बात करता है। कोई backend tier authorization लागू नहीं करता — न Express middleware, न Django permission mixin, कुछ नहीं। ब्राउज़र के पास एक anon API key होता है, जो डिज़ाइन से ही सार्वजनिक है और आपके JavaScript bundle में जाता है। दूसरी key, service_role, हर चीज़ को बायपास कर देती है और उसे कभी क्लाइंट तक नहीं पहुँचना चाहिए।

चूँकि क्लाइंट सीधे डेटाबेस से जुड़ता है, इसलिए यह डेटाबेस खुद तय करे कि हर रिक्वेस्ट क्या देख सकती है। यही तंत्र है Postgres row-level security: हर टेबल पर policies जो फ़िल्टर करती हैं कि कोई role किन रिकॉर्ड्स को पढ़ या बदल सकता है। असली चोट यहीं लगती है: अगर किसी टेबल पर RLS चालू नहीं है, तो सार्वजनिक anon key उसकी हर पंक्ति पढ़ और लिख सकती है। बस। वह टेबल आपके CDN पर पड़ी static JSON फ़ाइल जैसी ही है।

create table profiles (
id uuid primary key default gen_random_uuid(),
full_name text,
email text,
date_of_birth date
);
-- This is the line that decides whether the table is public:
alter table profiles enable row level security;
-- Without it, the shipped anon key reads and writes every row.
# The "attack": the same request the app makes, minus the login
curl "https://your-project.supabase.co/rest/v1/profiles?select=*" \
-H "apikey: eyJhbGciOi..." \
-H "Authorization: Bearer eyJhbGciOi..."

वह curl कमांड फिर से देखिए। यह किसी मायने में exploit नहीं है। यह वही रिक्वेस्ट है जो वैध frontend भेजता है, बस बिना यूज़र सेशन के दोबारा चलाई गई। API key चुराई नहीं गई — वह प्रकाशित थी, साइट के अपने कोड के हिस्से के रूप में हर विज़िटर को दी गई। उस रिक्वेस्ट और आपके ग्राहकों के पासपोर्ट के बीच बस एक Postgres सेटिंग खड़ी है, जिसे किसी ने ऑन नहीं किया। इसीलिए मैं बार-बार कहता हूँ कि Lovable के ये रिसाव “हैक” नहीं हुए। ये बस खुले छोड़ दिए गए थे।

AI ऐप जनरेटर Broken Access Control क्यों भेजते हैं

स्वाभाविक सवाल: जनरेटर RLS चालू क्यों नहीं करता? क्योंकि जनरेटर के नज़रिए से कुछ टूटा ही नहीं है। ऐप चलता है, प्रीव्यू लोड होता है, रिकॉर्ड दिखते हैं, और जिस फ़ाउंडर ने प्रॉम्प्ट देकर इसे बनवाया, वह डेमो देखकर खुश है। Access control का न होना एक चुपचाप होने वाली विफलता है — बिना RLS वाला ऐप ठीक उतना ही व्यवहार करता है जितना सही तरीके से सुरक्षित ऐप, जब तक कोई अनधिकृत व्यक्ति न आ जाए। “दूसरे देश में बैठा कोई अजनबी आपके messages टेबल को पढ़ रहा है” के लिए कोई stack trace नहीं होता। जो जनरेटर “क्या यह चलता है” के लिए optimize हुआ है, वह “इसे और कौन चला सकता है” पर व्यवस्थित रूप से कम निवेश करेगा।

एक specification की समस्या भी है। “मेरे रेस्टोरेंट के लिए booking प्लेटफ़ॉर्म बनाओ” में इस बारे में शून्य जानकारी है कि reservations टेबल कौन पढ़ सकता है। एक इंसानी डेवलपर इस खाली जगह को परंपरा, पुराने अनुभव और kickoff मीटिंग के असहज सवालों से भरता है। LLM इसे सबसे आम सांख्यिकीय continuation से भरता है — और इंटरनेट पर सबसे आम Supabase tutorial कोड में RLS बंद होता है, क्योंकि tutorials happy path को छोटा रखने के लिए उसे बंद कर देते हैं। यह वही specification-implementation gap है जो हमेशा करता है: बग ठीक वहीं रहता है जहाँ प्रॉम्प्ट चुप था।

फिर defaults का सवाल है, और इसमें Supabase का भी हिस्सा है। सालों तक, उसके dashboard से बनी नई टेबलों पर RLS बंद रहता था, जब तक आप उसे चालू करना न जानें — यह एक जानबूझकर onboarding समझौता था, क्योंकि खाली नतीजों से बढ़कर कोई चीज़ tutorial का उत्साह नहीं तोड़ती। लगातार आलोचना के बाद Supabase नए प्रोजेक्ट्स को RLS-by-default की ओर ले गया, पर पुराने प्रोजेक्ट्स अपनी मूल स्थिति में रहे। ऊपर से, default बदलने से पहले के सालों के कोड पर प्रशिक्षित जनरेटर लगाइए, तो आपको एक ऐसी पाइपलाइन मिलती है जो भरोसेमंद तरीके से exposed टेबलें बनाती है।

आख़िर में, इंसानी पहलू। Lovable का वादा है कि किसी तकनीकी ज्ञान की ज़रूरत नहीं — और उसकी शर्तें ऐप और उसके डेटा की ज़िम्मेदारी साफ़ तौर पर ग्राहक पर डालती हैं। यही खाई 7,403 रिसते ऐप्स की जड़ है। गैर-तकनीकी फ़ाउंडर वह ऑडिट नहीं कर सकता जो वह पढ़ ही नहीं सकता। उसे नहीं पता कि RLS होता है, नहीं पता कि anon key सार्वजनिक है, और प्लेटफ़ॉर्म का खुशमिज़ाज “आपका ऐप लाइव है!” वाला पल उसे सवाल पूछने की कोई वजह नहीं देता। मार्केटिंग ने कहा कि हवाई जहाज़ खुद उड़ता है। बारीक अक्षरों में लिखा था कि पायलट आप हैं।

एक टूटा पैटर्न, हज़ारों एक-जैसे निशाने

असल में खतरनाक बात कोई एक लीक करता ऐप नहीं, बल्कि एकरूपता है। AI जनरेटर बार-बार दोहराए जाने वाले integration पैटर्न बनाते हैं: वही क्लाइंट सेटअप, वही टेबल conventions, वही Supabase project URL उसी JavaScript bundle में। इससे हमलावर की लागत बहुत गिर जाती है। एक स्क्रिप्ट लिखिए जो Lovable से बनी साइट को पहचाने, Supabase URL और anon key निकाले, exposed टेबलें सूचीबद्ध करे, और हर एक पर select=* चलाए — यह लगभग बिना बदलाव के हज़ारों ऐप्स पर काम करेगी। Broken access control सालों से OWASP Top 10 के शीर्ष पर है; नया यह है कि ऐसी एक-जैसी खामियाँ अब औद्योगिक पैमाने पर बनाई और इकट्ठी की जा सकती हैं।

कुछ practitioners इसे “breach” कहने पर ही आपत्ति करते हैं: साइटों ने खुद key भेजी और डेटा परोसा, तो उसका उपयोग अनधिकृत पहुँच नहीं है — लीक तो प्रकाशित करने का काम ही था। प्रकाशित करना ही लीक था। शब्दों के मामले में तकनीकी रूप से उनकी बात में दम है। पर यह पेडेंट्री सिर्फ़ दोष तय करने में मायने रखती है, और उस व्यक्ति के लिए इसका कोई अर्थ नहीं जिसका पासपोर्ट नंबर किसी अजनबी के JSON response में पहुँच गया। उस आर्किटेक्चर के लिए किसी ने सहमति नहीं दी थी।

ऐप बिल्कुल सही चल रहा था। यही समस्या थी — वह सबके लिए बिल्कुल सही चल रहा था।

कानूनी नतीजे वहीं पहुँचते हैं जहाँ हमेशा पहुँचते हैं: उस पर जिसने ऐप शिप किया। GDPR के तहत ऐप का मालिक data controller है — और यह रिसर्च जर्मनी से आई थी, एक स्वीडिश प्लेटफ़ॉर्म के बारे में, जिसमें EU नागरिकों के पहचान दस्तावेज़ थे। पासपोर्ट नंबर, नाम और राष्ट्रीयता मिलकर identity theft की शुरुआती किट हैं; 2 लाख निजी संदेश blackmail और phishing का भंडार हैं। रेगुलेटर कार्रवाई शुरू करेंगे या नहीं, यह खुला सवाल है, पर अगर आप एक फ़ाउंडर हैं जिसने vibe-code करके customer database बनाया और छोड़ दिया, तो “AI ने किया” ऐसा बचाव है जिसे कोई data protection authority स्वीकार नहीं करेगी।

एक कतार में एक जैसे घर, हर एक के डोरमैट के नीचे चाबी, जिन्हें एक आकृति इकट्ठा कर रही है।
एक जैसा जनरेटेड कोड मतलब एक ही attack playbook पूरी कतार के ऐप्स पर चल सकता है।

शिप करने से पहले Generated Supabase Configs का ऑडिट कैसे करें

अगर आपने Supabase पर AI-बना ऐप शिप किया है — या किसी से विरासत में लिया है — तो यह वह ऑडिट है जो मैं चलाता हूँ। इसमें आधा दिन लगता है। असली ग्राहक का डेटा उसके आसपास भी जाने से पहले इसे कर लीजिए।

  1. Exposed टेबलों की सूची बनाएँ। SQL editor में नीचे दी गई RLS query चलाइए। public schema की हर टेबल जिस पर RLS बंद है, वह भेजी गई anon key से दुनिया भर में पढ़ी और लिखी जा सकती है।
  2. हर policy पढ़ें। अगर policy using (true) है तो RLS चालू होने का कोई मतलब नहीं। जनरेटर allow-everything policies लिखना पसंद करते हैं, क्योंकि development में वे errors चुप करा देती हैं।
  3. ऐप को एक अजनबी की तरह चलाकर देखें। अपने deploy किए गए JavaScript से anon key कॉपी करें और बिना session के हर REST endpoint पर रिक्वेस्ट भेजें। जो भी rows लौटें वे सार्वजनिक हैं। क्या यह आपका इरादा था?
  4. Storage buckets जाँचें। सार्वजनिक चिह्नित bucket उसकी हर फ़ाइल को fetch होने वाले URL में बदल देता है। फ़ोटो एल्बम और ID स्कैन ऐसे bucket में नहीं होने चाहिए।
  5. Client bundle में service_role खोजें। anon key का शिप होना ठीक है; service key का शिप होना आपदा है। आपका deploy किया गया API client एक credential vault है — उसका ऑडिट करें।
-- Tables exposed via the API with RLS disabled (each one is public)
select schemaname, tablename
from pg_tables
where schemaname = 'public'
and rowsecurity = false;
-- The subtler failure: RLS enabled, but what do the policies allow?
select schemaname, tablename, policyname, cmd, qual
from pg_policies
where schemaname = 'public';

दूसरी query सबसे दिलचस्प है। आपको ऐसी टेबलें मिलेंगी जिन पर RLS चालू है पर एक भी policy नहीं — जो fail closed होता है और आमतौर पर इसका मतलब होता है कि कोई फ़ीचर चुपचाप टूटा और किसी ने कुछ और ढीला करके उसे “ठीक” कर दिया। और ऐसी policies भी मिलेंगी, जैसी मैंने अब तक इतने generated codebases में देखी हैं कि एक नज़र में पहचान लेता हूँ:

-- The policy generators emit when a query fails during development:
create policy "allow all" on messages for all using (true);
-- It silences the error and publishes the table. Reject it on sight.
-- What a real policy looks like:
create policy "users read their own messages"
on messages for select
to authenticated
using (auth.uid() = sender_id or auth.uid() = recipient_id);

using (true) पैटर्न पर खास ध्यान देना चाहिए, क्योंकि यह generated कोड का वैसा ही रूप है जैसे किसी test को पास कराने के लिए authentication check को comment out कर देना। यह इसलिए होता है क्योंकि जनरेटर को permission error आया, उसने सही पहचाना कि policy नहीं है, और सबसे आलसी policy लिख दी। जब यह मिले, तो सिर्फ़ policy कसने से काम न चलाएँ — पूछें कि उस code path में टेबल तक पहुँच ही क्यों थी। और हर बड़े regeneration के बाद पूरा ऑडिट दोबारा करें। AI builders खुशी-खुशी आपका schema दोबारा लिख देते हैं, और कल की कसी हुई policies आज के “dashboard में सभी users दिखाओ” प्रॉम्प्ट में बच नहीं पातीं।

Security Scanners मदद करते हैं, पर defaults फ़ैसला करते हैं

श्रेय देना होगा: Lovable की security टीम ने रिसर्च का सीधा जवाब दिया — उन्होंने अपर्याप्त RLS को मूल कारण माना, हर ऐप को प्रकाशित करने से पहले अपने-आप स्कैन करने, गहरे SAST स्कैन की सुविधा देने, और यूज़र को एक क्लिक में फ़ाइंडिंग ठीक करने, auto-fix चालू करने, या critical नतीजों पर प्रकाशन पूरी तरह रोकने का विकल्प देने की बात कही — सभी यूज़र्स के लिए मुफ़्त। यह सचमुच एक समझदार toolkit है, और ज़्यादातर app builders से ज़्यादा।

पर प्रकाशन-पूर्व स्कैनर का मतलब समझिए: पहले जनरेटर ने खामी बनाई, और अब उसे पकड़ने के लिए दूसरी व्यवस्था मौजूद है। स्कैनर का फ़ाइंडिंग रेट बताता है कि default आउटपुट कितनी बार असुरक्षित होता है। मैं पहले लिख चुका हूँ कि AI security scanners हमारे technical debt की वसूली कर रहे हैं — वे उपयोगी हैं, पर वे लक्षणों का इलाज करते हैं। टिकाऊ समाधान है deny-by-default generation: हर टेबल RLS चालू के साथ बने, और हर टेबल को एक स्पष्ट policy मिले, भले वह “सब बंद” हो जब तक यूज़र और अनुमति न माँगे। असुरक्षित स्थिति वह होनी चाहिए जिसके लिए मेहनत लगे। आज इसका उल्टा है, और 24,664 ऐप्स का पेज लोड पर डेटाबेस रिकॉर्ड स्ट्रीम करना उसी उल्टी व्यवस्था की कीमत है।

डेटा ग्रिड पर एक आवर्धक शीशा, जिसमें कुछ पंक्तियाँ exposed होने के लिए हाइलाइट हैं।
जनरेटेड schemas का ऑडिट मतलब हर टेबल की जाँच — exposed rows शायद ही कभी अपने बारे में बताती हैं।

AI-बने ऐप्स शिप करने वालों के लिए सार

AI ने broken access control का आविष्कार नहीं किया। IDOR और missing authorization किसी ऐप के प्रॉम्प्ट से बनने से बहुत पहले से vulnerability सूचियों में शीर्ष पर रहे हैं। AI ने जो बदला वह है पैमाना और ऑपरेटर: उसने एक ज्ञात failure mode को औद्योगिक बना दिया और deploy बटन उन लोगों के हाथ में दे दिया जो RLS policy और CSS rule में फ़र्क नहीं बता सकते। इस रिसर्च का 30% आँकड़ा किसी एक प्लेटफ़ॉर्म का घोटाला नहीं है। यह हर उस ecosystem की झलक है जहाँ generated कोड एक सार्वजनिक डेटाबेस से मिलता है जिसका सुरक्षा मॉडल opt-in है।

तो हर AI-बने ऐप को वैसे ही देखिए जैसे अनऑडिटेड vendor कोड को देखते, क्योंकि वह वही है। लॉन्च से पहले और हर बड़े बदलाव के बाद ऊपर की queries चलाइए। अगर ऐप में नियंत्रित या पहचान-संबंधी डेटा होगा और घर में कोई Postgres policy नहीं पढ़ सकता, तो किसी ऐसे व्यक्ति को पैसे दीजिए जो पढ़ सके — पासपोर्ट नंबरों की सफ़ाई किसी regulator को देने से एक दिन की विशेषज्ञ समीक्षा सस्ती है। No-code ने syntax हटा दिया। ज़िम्मेदारी नहीं हटाई, और कभी हटाएगा भी नहीं।