未来を形作るテクノロジーの深掘り記事。

AI生成アプリはRow-Level Securityなしで公開されている

AI生成アプリのSupabase設定ミスで、パスポート情報や20万件超の私的メッセージが流出。行レベルセキュリティの監査方法を解説。

同じ構造のAI生成アプリの画面がベルトコンベアに並び、それぞれ開いたドアから書類が漏れている様子。
同じテンプレートから全アプリが作られると、鍵が一つ欠けただけで何千ものドアが開いてしまう。

159,041件。これは、ある研究チームがCommon Crawlのアーカイブから抽出したAI構築のWebアプリの数だ。彼らが確認したのは、ごく単純で退屈な欠陥の有無だった。ログインせずにデータベースのレコードを読めるか? 詳しく調べた7,403サイトでは、答えはイエスだった。メールアドレスを含むテーブルが、頼めば誰でも読める状態だったのだ。さらに掘り下げると、氏名や生年月日、決済情報、チケットコード、社内WhatsAppのエクスポート、不動産管理人のメールをAIが要約した内容、ライフスタイル系フォーラムの20万件を超える非公開チャットメッセージが見つかった。最悪のケースでは、パスポート番号、有効期限、国籍を含む1,000件以上のレコードまで露出していた。どの事例でも根本原因はSupabaseのRow-Level Securityの未設定であり、悪用に必要だったのはブラウザの開発者ツールだけだった。

数字は誤引用されやすいので、正確に書いておく。特定された159,041件のLovableプロジェクトのうち、34,545件がデータベースにSupabaseを使っていた。そのうち24,664件は、ページを開いた瞬間にデータベースのレコードをブラウザに送っていた。ログインも操作も不要だ。これだけでは必ずしもバグとは言えない。公開を前提としたデータも多いからだ。そこで研究者らは、各サイトがJavaScriptに埋め込んでいたまったく同じAPIキーを使い、読み取り専用の追加リクエストを送って、返ってきたものを確認した。メールアドレスを含むレコードは、7,403サイトの10,560テーブルに見つかった。詳しく調べたサイトの30%にあたる。これは確定した漏えい率ではないと研究者も慎重に述べている。アドレスの中には公開の問い合わせ窓口やテストデータも含まれるからだ。ただ、手作業で検証した事例は明白だった。実在の顧客、実在のパスポート、実在の非公開メッセージだ。

Supabaseでは行レベルセキュリティだけが砦になる

なぜこの問題が繰り返し起きるのかを理解するには、Supabaseとの取り決めの仕組みを知る必要がある。Supabaseでは、自動生成されるREST APIを前段に置いたPostgresデータベースが手に入り、フロントエンドはそのデータベースに直接話しかける。認可を強制するバックエンド層は存在しない。Expressのミドルウェアも、Djangoのパーミッションミックスインもない。ブラウザが持つのはanonというAPIキーで、これは設計上公開されており、JavaScriptのバンドルに含まれる。もう一つのservice_roleキーはすべてを素通りするため、クライアントに絶対に触れさせてはいけない。

クライアントがデータベースに直接接続する以上、どのリクエストで何が見えるかを決めるのはデータベース自身でなければならない。その仕組みがPostgresの行レベルセキュリティで、ロールごとに読み書きできる行を絞り込むテーブル単位のポリシーだ。ここで多くの人がつまずく。テーブルでRLSが有効になっていないと、公開のanonキーでそのテーブルの全行を読み書きできてしまう。それ以上でも以下でもない。そのテーブルは、CDNに置かれた静的なJSONファイルも同然だ。

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..."

もう一度curlコマンドを見てほしい。意味のある意味での攻撃ではない。正規のフロントエンドが送るのと同じリクエストを、ユーザーセッションなしで再送しているだけだ。APIキーは盗まれたわけではない。サイト自身のコードの一部として、すべての訪問者に配られていたのだから、公開されていたのだ。そのリクエストと顧客のパスポートとの間にあるのは、誰も有効にしなかったPostgresの設定ひとつだけだ。だからLovableの露出は「ハッキングされた」のではなく「鍵がかかっていなかった」のだと、私は繰り返し言っている。

AIアプリジェネレーターが壊れたアクセス制御を出荷してしまう理由

当然の疑問は、なぜジェネレーターがRLSを有効にしないのか、ということだ。ジェネレーターの視点では、何も壊れていないからだ。アプリは動く。プレビューは読み込まれ、レコードは表示され、アプリを生み出したファウンダーはデモに感心する。アクセス制御の欠落は静かな失敗だ。RLSのないアプリは、権限のない誰かが現れるまで、適切に保護されたアプリとまったく同じに振る舞う。「見知らぬ国の誰かがメッセージテーブルを読んでいる」ことを示すスタックトレースは存在しない。「動くかどうか」を最適化したジェネレーターは、「ほかに誰が動かせるか」への投資を体系的に怠るのだ。

仕様の問題もある。「私のレストラン用の予約プラットフォームを作って」という依頼には、予約テーブルを誰が読めるべきかという情報がまったく含まれていない。人間の開発者は、慣習や苦い経験、キックオフミーティングでの気まずい質問によってその空白を埋める。LLMは統計的に最も一般的な続きで埋める。そしてインターネット上で最も多いSupabaseのチュートリアルコードはRLSが無効になっている。チュートリアルは、手順を短く保つためにRLSを切っているからだ。これは仕様と実装のギャップがいつも通りに働いた結果であり、バグはプロンプトが沈黙していた場所に潜んでいる。

次にデフォルト設定の問題がある。その一部はSupabase自身の責任だ。長い間、ダッシュボードから作成した新しいテーブルは、有効化の方法を知らなければRLSがオフのままだった。チュートリアルの勢いを殺すのは、クエリが空の結果を返すことだからだ。そうした設計は、オンボーディングのための意図的なトレードオフだった。強い批判を受けて、Supabaseは新規プロジェクトをRLSがデフォルトで有効な方向に移行させたが、既存のプロジェクトは元の状態のままだった。デフォルトが変わる前のコードで学習されたジェネレーターと組み合わさることで、露出したテーブルを確実に生み出すパイプラインができあがる。

最後に人的要因だ。Lovableの売り文句は、技術的な知識は不要だというものだが、その利用規約はアプリとそのデータに対する責任を顧客側にはっきりと置いている。そのギャップから、7,403件の漏えいアプリが生まれた。技術に詳しくないファウンダーは、読めないものを監査できない。RLSの存在も知らず、anonキーが公開されていることも知らない。そしてプラットフォームの「アプリが公開されました!」という陽気な表示は、疑問を持つきっかけを与えない。マーケティングは飛行機は自動操縦だと言った。しかし小さな字の規約には、操縦するのはあなただと書かれていたのだ。

ひとつのパターンの破綻が、何千もの同一のターゲットを生む

この問題を本当に危険にしているのは、個々の漏えいアプリではなく、その均質性だ。AIジェネレーターは繰り返し現れる統合パターンを作る。同じクライアントの設定、同じテーブルの命名規則、同じJavaScriptバンドルに置かれた同じSupabaseのプロジェクトURL。これにより攻撃者のコストは大きく下がる。Lovableで作られたサイトを指紋で識別し、SupabaseのURLとanonキーを抜き出し、露出したテーブルを列挙して、それぞれにselect=*を実行するスクリプトを一つ書けばいい。それは、ほとんど手を加えずに数千のアプリに通用する。アクセス制御の不備はここ数年、OWASP Top 10の上位に居座り続けている。新しいのは、まったく同じ不備を持つインスタンスが、工業的な規模で量産され、収穫されうるようになったことだ。

この件を「漏えい」と呼ぶことに異を唱える実務者もいる。サイト自身がキーを配布し、データも配信していたのだから、それを利用しても不正アクセスではない、というのだ。用語の問題としては一理ある。だがそれは責任の所在を決めるときにしか意味のない重箱の隅であり、パスポート番号が見知らぬ誰かのJSONレスポンスに入ってしまった本人にとっては何の意味もない。誰もそのアーキテクチャに同意していない。

アプリは完璧に動いていた。それが問題だった。誰に対しても完璧に動いてしまったのだ。

法的な責任は、いつものようにアプリを公開した者に降りかかる。GDPRの下では、アプリの所有者がデータ管理者となる。この調査はドイツから出たもので、対象はスウェーデンのプラットフォーム、関わるのはEU市民の身分証明書だ。パスポート番号、氏名、国籍が揃えば、なりすましの入門キットになる。20万件の非公開メッセージは、恐喝とフィッシングの材料の宝庫だ。規制当局が手続きを開始するかどうかはまだ分からない。しかし、顧客データベースをバイブコーディングして放置したファウンダーなら、「AIがやった」という言い訳はどの個人情報保護当局も受け入れないだろう。

同じ形の家が一列に並び、それぞれドアマットの下に鍵が置かれている様子。それを一人の人物が集めている。
生成されたコードが均質だと、一つの攻撃手順書が、アプリの列全体に通用してしまう。

出荷前に生成されたSupabaseの設定を監査する方法

AIが生成したSupabaseのアプリを公開した、あるいは引き継いだのなら、私が実際に行っている監査手順を紹介する。半日あればできる。実際の顧客データを一切入れる前に行ってほしい。

  1. 露出しているテーブルの棚卸し。SQLエディタで以下のRLSクエリを実行する。publicスキーマにあり、RLSが無効になっているテーブルはすべて、配布済みのanonキーで世界中から読み書きできる。
  2. すべてのポリシーを読む。RLSが有効でも、ポリシーがusing (true)なら意味がない。ジェネレーターは開発中のエラーを消すために、すべて許可するポリシーを出力しがちだ。
  3. 見知らぬ人としてアプリを動かしてみる。公開中のJavaScriptからanonキーをコピーし、セッションなしで全REST APIエンドポイントを叩く。返ってきた行はすべて公開状態にある。それは意図したことだったか?
  4. ストレージバケットを確認する。公開設定のバケットは、中のすべてのファイルを取得可能なURLに変える。写真アルバムや身分証のスキャンが入っていてよいわけがない。
  5. クライアントのバンドルでservice_roleをgrepする。anonキーが配布されるのは問題ない。serviceキーが配布されていたら大惨事だ。デプロイ済みのAPIクライアントは認証情報の金庫なので、監査すること。
-- 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';

二つ目のクエリが面白くなるところだ。RLSは有効なのにポリシーがゼロのテーブルが見つかるだろう。これは閉じた状態で失敗しており、たいていは機能がひっそり壊れ、誰かが別の何かを緩めて「直した」ことを意味する。また、以下のようなポリシーも見つかるはずだ。生成されたコードベースで何度も見てきたので、一目で分かるようになった。

-- 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)のパターンは特に注意が必要だ。テストを通すために認証チェックをコメントアウトするのと同じことを、生成コードが行っているからだ。ジェネレーターが権限エラーに遭遇し、ポリシーが欠けていると正しく判断したうえで、考えられる最も手抜きのポリシーを書いたのだ。見つけたら、ポリシーを締めるだけでなく、そもそもそのコードパスでテーブルに到達できた理由を問うこと。そして大きな再生成のたびに監査を丸ごと繰り返すこと。AIビルダーは喜んでスキーマを書き換えるし、昨日の厳格なポリシーも「ダッシュボードにすべてのユーザーを表示して」というプロンプトの一言で消えてしまう。

セキュリティスキャナーは役立つが、決めるのはデフォルトだ

Lovableのセキュリティチームは、この研究に対して直接対応したことは評価できる。不十分なRLSを根本原因と認め、公開前に全アプリを自動スキャンし、より深いSASTスキャンを提供し、ユーザーがワンクリックで修正したり、自動修正を有効にしたり、重大な結果が出た場合は公開自体をブロックしたりできるようにした。しかもすべてのユーザーに無料で。これは十分に筋の通ったツールキットであり、多くのアプリビルダーが提供しているものより充実している。

ただ、公開前スキャナーが何を意味するかに注目してほしい。まずジェネレーターが欠陥を生み出し、それを捕まえるために第二のシステムが存在するということだ。スキャナーの検出率は、デフォルトの出力がどれだけ安全でないかを測る指標にすぎない。AIセキュリティスキャナーが私たちの技術的負債を呼び寄せている理由については、以前に書いたことがある。スキャナーは有用だが、症状を扱っているにすぎない。持続的な解決策は、デフォルトで拒否する生成だ。すべてのテーブルがRLS有効で作られ、すべてのテーブルに明示的なポリシーが付く。たとえそれが、ユーザーがより多くを許可するまでは「全拒否」であってもだ。安全でない状態こそ手間がかかるべきだ。今は逆になっていて、ページ読み込み時にデータベースのレコードを流している24,664件のアプリが、その逆転のコストなのだ。

輝くデータグリッドの上に拡大鏡があり、露出した数行がハイライトされている。
生成されたスキーマの監査には、すべてのテーブルを確認する必要がある。露出した行は、たいてい自分から名乗り出ない。

AI構築アプリを公開するすべての人への結論

AIが壊れたアクセス制御を発明したわけではない。IDORや認可の欠落は、誰かがアプリをプロンプトで生み出すずっと前から脆弱性のリストの上位にあった。AIが変えたのは、その量と担い手だ。既知の障害パターンを工業化し、RLSのポリシーとCSSのルールの区別もつかない人々の手に、デプロイボタンを渡してしまった。この研究の30%という数字は、一つのプラットフォームのスキャンダルではない。オプトイン型のセキュリティモデルを持つ公開データベースに、生成コードが出会うあらゆるエコシステムの予兆なのだ。

だから、AI生成アプリはすべて、監査されていないベンダーコードと同じように扱うべきだ。実際にそうなのだから。公開前、そして大きな変更のたびに、上記のクエリを実行すること。規制対象の情報や身分情報を扱うアプリで、社内の誰もPostgresのポリシーを読めないのなら、読める人に金を払うこと。専門家によるレビューの半日は、規制当局にパスポート番号の説明をするより安くつく。ノーコードは構文を取り除いた。しかし責任は取り除かなかったし、これからも取り除けない。