深度解析塑造未来的技术文章。

AI生成的应用正在上线却没有行级安全

护照和20万条私信从AI生成应用中泄露,原因是缺少Supabase行级安全。教你如何自查。

传送带上一排相同的AI生成应用界面,每个都开着一扇门,泄露着文件。
当每个应用都来自同一个模板,一把锁的缺失就会打开成千上万扇门。

159,041个应用。这是一个研究团队从Common Crawl存档中抓取的AI构建网页应用数量,他们检查的是一个非常简单的漏洞:不登录就能读取数据库记录吗?在他们深入探测的7,403个站点中,答案是肯定的,包含电子邮件地址的数据表任何人都能读取。进一步挖掘发现了全名和出生日期、支付信息、票务代码、内部WhatsApp聊天记录、物业经理邮件的AI生成摘要、一个生活方式论坛的20多万条私人聊天消息,最糟糕的情况下,还有一千多条包含护照号码、有效期和国籍的记录。问题的根源在大多数案例中都是缺少Supabase行级安全,而利用它根本不需要什么高深技术,浏览器的开发者工具就够了。

数字需要说清楚,因为经常被引用错。在识别出的159,041个Lovable项目中,34,545个使用Supabase作为数据库。其中24,664个在页面加载时就把数据库记录发送到了浏览器,无需登录,无需任何交互。这本身不算漏洞,很多数据本来就是公开的。于是研究人员用每个站点在自己JavaScript里附带的同一个API密钥,额外发送了只读请求,观察返回了什么。在7,403个站点的10,560张表中出现了电子邮件地址,占仔细检查站点的30%。这并不是确认的泄露比例,研究人员也特别说明了这一点:其中一些地址是公开的联系邮箱或测试数据。但他们人工核实的案例毫无疑义:真实的客户,真实的护照,真实的私人消息。

Supabase行级安全是唯一的关卡

要理解这个问题为什么反复出现,得先弄清楚Supabase和你之间的约定。你拿到的是一个Postgres数据库,前面套着自动生成的REST API,前端直接和数据库对话。没有后端层来执行授权,没有Express中间件,没有Django权限混入,什么都没有。浏览器持有一个anon API密钥,这是设计上就公开的,会随JavaScript包一起发布。另一个密钥service_role会绕过所有限制,绝不能出现在客户端。

既然客户端直连数据库,那么决定每个请求能看到什么的就必须是数据库本身。这个机制就是Postgres行级安全:按表配置的策略,用来过滤某个角色能读取或修改哪些行。问题就出在这里:如果表上没有启用RLS,公开的anon密钥就能读写其中的每一行。没有例外。这张表和你CDN上的一个静态JSON文件没什么区别。

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..."

再仔细看看这条curl命令。从实际意义上讲,它算不上什么漏洞利用。它就是正规前端发出的同样请求,只是去掉了用户会话重放了一遍。API密钥并不是被偷走的,而是被公开的,作为站点自身代码的一部分提供给每一位访客。把这个请求和你客户的护照隔开的,只有一个没人打开的Postgres设置。这就是为什么我一直说,Lovable那些泄露不是“被黑”的,而是“没锁”。

为什么AI应用生成器会留下失效的访问控制

显而易见的问题是:生成器为什么不直接启用RLS?因为在生成器看来,什么都没坏。应用能跑,预览能加载,记录能显示,那个通过提示词把应用“变”出来的创始人看了演示也很满意。缺少访问控制是一种静默故障,没有RLS的应用,在有未授权的人出现之前,表现和正确加固的应用完全一样。“某个陌生人正在读取你的消息表”这种事,是没有任何堆栈跟踪的。一个以“能不能跑”为优化目标的生成器,必然会在“还有谁能跑它”上系统性地投入不足。

还有一个规格问题。“帮我的餐厅做一个订座平台”这句话里,完全没有说明谁有权读取预订表。人类开发者会用惯例、踩过的坑,以及项目启动会上那些尴尬的问题来填补这个空白。LLM则会用统计上最常见的续写来填补,而网上最常见的Supabase教程代码是关闭RLS的,因为教程为了让主流程保持简短,通常都会关掉它。这正是规格与实现之间的鸿沟一贯的表现:漏洞恰恰藏在提示词沉默的地方。

然后是默认值的问题,而Supabase也难辞其咎。多年来,通过其控制台新建的表默认不启用RLS,除非你知道要手动开启。这是一种刻意的上手权衡,因为没有什么比查询返回空结果更能打击教程学习热情的了。在持续的批评之后,Supabase把新项目逐步改为默认启用RLS,但已有项目保留了原来的设置。再加上一个训练数据来自默认值改变之前大量代码的生成器,你就得到了一条稳定产出暴露表的流水线。

最后是人的因素。Lovable的宣传是不需要任何技术知识,而其条款又把应用及其数据的责任明确压在了客户身上。7,403个泄露应用就出在这个落差里。一个非技术背景的创始人无法审计自己读不懂的东西。他们不知道RLS是什么,不知道anon密钥是公开的,而平台那句轻快的“你的应用已上线!”也没给他们任何追问的理由。营销说飞机自己会飞,细则却说,驾驶员是你。

一个失效的模式,成千上万个相同的目标

真正危险的不是某个漏风的应用,而是同质化。AI生成器会产出反复出现的集成模式:相同的客户端配置、相同的表命名约定、相同的Supabase项目URL,同样地出现在同样的JavaScript包里。这大幅压低了攻击者的成本。写一个脚本,识别出Lovable构建的站点,提取Supabase URL和anon密钥,列出暴露的表,对每张表执行select=*,几乎不用修改就能套用到成千上万个应用上。失效的访问控制多年来一直排在OWASP Top 10的前列;新的是,这种完全相同的漏洞现在可以被大规模批量制造和收割。

有些从业者反对把这称为“泄露”:站点自己发布了密钥、自己提供了数据,使用它并不构成未授权访问,发布行为本身就是泄露。从术语上看,他们说得有道理。但这种咬文嚼字只在追究责任时有意义,对那个护照号码出现在陌生人JSON响应里的人来说毫无意义。没有人同意过这种架构。

应用运行得完美无缺,这正是问题所在。它对每一个人都完美无缺地运行着。

法律后果一如既往地落在应用的上线者身上。根据GDPR,应用所有者就是数据控制者。而这项研究来自德国,涉及一个瑞典平台,牵涉欧盟公民的身份证件。护照号码加姓名加国籍,就是一套现成的身份盗用工具包;20万条私人消息则是勒索和钓鱼的弹药库。监管机构是否会立案尚无定论,但如果你是那个用氛围编程做了客户数据库然后就撒手不管的创始人,“是AI干的”这个理由,任何数据保护机构都不会接受。

一排相同的房子,每栋门垫下都藏着一把钥匙,一个图标正在把它们逐一收集起来。
同质化的生成代码意味着,同一套攻击手法能一次打穿整排应用。

上线前如何审计生成的Supabase配置

如果你上线了(或接手了)一个基于Supabase的AI生成应用,这是我会执行的审计流程。只需要一个下午。请在真实客户数据靠近它之前完成。

  1. 盘点暴露的表。在SQL编辑器中运行下面的RLS查询。public模式下所有未启用RLS的表,都能通过已发布的anon密钥被全网读取和写入。
  2. 逐条阅读策略。如果策略是using (true),启用RLS也毫无意义。生成器很喜欢输出放行一切的策略,因为这样能在开发阶段消除报错。
  3. 以陌生人的身份重放应用。从已部署的JavaScript中复制anon密钥,在没有会话的情况下请求每一个REST端点。返回的任何数据都是公开的。这是你的本意吗?
  4. 检查存储桶。标记为公开的存储桶会让其中每个文件都变成可直接获取的URL。相册和证件扫描件根本不该放在那里。
  5. 在客户端包中搜索service_role。anon密钥公开没问题;service密钥公开就是灾难。你的已部署的API客户端就是一个凭证保险库,请审计它。
-- 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';

第二个查询才有意思。你会发现有些表启用了RLS却没有任何策略,这种情况会默认拒绝访问,通常意味着某个功能悄悄坏了,而有人通过放松别的东西把它“修好”了。你还会遇到这样的策略,我在足够多的生成代码库里见过,一眼就能认出来:

-- 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)这种写法值得特别留意,因为它相当于生成代码里的注释掉身份验证检查,只为让测试通过。它的出现是因为生成器遇到了权限错误,正确地判断出缺少策略,然后写了一个最偷懒的策略。发现它时,别只是收紧策略,还要追问:为什么这个代码路径下这张表能被访问到?每次重大重新生成之后,整套审计都要重做一遍。AI构建工具很乐意重写你的Schema,而昨天的严格策略,扛不过今天一句“让仪表盘显示所有用户”的提示词。

安全扫描器有帮助,但默认值才是决定因素

平心而论,Lovable的安全团队直接回应了这项研究:他们认定根因是RLS配置不足,在发布前会自动扫描每个应用,提供更深入的SAST扫描,允许用户一键修复问题、开启自动修复,或在出现严重问题时直接阻止发布,所有用户均免费使用。这是相当合理的一套工具,比大多数应用构建器提供的都多。

但仔细想想,发布前扫描器意味着什么:生成器先制造了漏洞,然后再用另一套系统去捕捉它。扫描器的命中率,恰恰衡量了默认输出有多不安全。我之前写过AI安全扫描器正在催收我们的技术债,它们有用,但治标不治本。持久的解决方案是默认拒绝的生成方式:每张表创建时就启用RLS,每张表都有明确的策略,即使这个策略只是“全部拒绝”,直到用户主动选择放开更多权限。不安全的状态应该是需要花力气才能达到的状态。而现在恰恰反过来,24,664个应用在页面加载时流出数据库记录,这就是这种颠倒的代价。

放大镜悬在一个发光的数据网格上方,其中几行被高亮标记为已暴露。
审计生成的Schema意味着检查每一张表,暴露的数据行通常不会主动提醒你。

给所有AI应用上线者的结论

AI并没有发明失效的访问控制。IDOR和缺失授权在有人用提示词生成应用之前,就已经长期位居漏洞榜单前列。AI改变的是规模和操作者:它把一种已知的失效模式工业化了,并把部署按钮交到了分不清RLS策略和CSS规则的人手里。这项研究中的30%不是某一个平台的丑闻,而是每一个“生成代码遇上需要主动开启安全模型的公共数据库”的生态系统的预演。

所以,请把每一个AI生成的应用都当作未经审计的第三方代码来对待,因为它本来就是。上线前和每次重大改动后,运行上面的查询。如果应用要处理受监管或身份类数据,而内部没人能读懂Postgres策略,那就花钱请懂行的人来看。一个下午的专家审查,远比向监管机构解释护照号码泄露要便宜。无代码工具去掉了语法门槛,却没有去掉责任,也永远不会去掉。