هوش مصنوعی ساخت اپلیکیشن وب را آسانتر کرده است، اما نگهداری از دادههای حساس همچنان مراقبت ویژه میخواهد. تیم پژوهشی شرکت آلمانی کریسی فیلد ۱۵۹٬۰۴۱ پروژه ساختهشده با پلتفرم Lovable را بررسی کرده و در بسیاری از آنها اطلاعات شخصی و محرمانهای پیدا کرده که بدون هیچ فرایند ورود به حساب، در دسترس هر بازدیدکنندهای بوده است.
**Lovable چیست؟**
Lovable یک استارتاپ سوئدی هوش مصنوعی است که در سال ۲۰۲۳ در استکهلم توسط آنتون اوسیکا و فابیان هدین تأسیس شد. این پلتفرم توضیحات زبان طبیعی را به اپلیکیشن وب تبدیل میکند و طوری طراحی شده که حتی افرادی با دانش برنامهنویسی کم یا صفر هم بتوانند از آن استفاده کنند.
Lovable از پروژه متنباز اوسیکا به نام «GPT Engineer» که در سال ۲۰۲۳ منتشر شد رشد کرد. این پروژه ابتدا به «GPT Engineer App» تبدیل شد و سپس در اواخر ۲۰۲۴ به Lovable تغییر نام داد و در نوامبر همان سال بهصورت عمومی عرضه شد.
**وعدهای که با مسئولیت همخوان نیست**
Lovable میتواند با کمک هوش مصنوعی پروژههای وب چشمگیر و پیچیدهای بسازد؛ از سایتهای ایستا تا اپلیکیشنهای کامل با مدیریت کاربر و اتصال به دیتابیس. اما بهمحض اینکه یک اپلیکیشن اطلاعات محرمانه را پردازش میکند، یک پرسش تعیینکننده میشود: آیا این داده در برابر دسترسی غیرمجاز محافظت شده است؟
این شرکت در تبلیغاتش بارها تأکید میکند که برای ساختن پروژه هیچ دانش فنی لازم نیست. این پیام میتواند این تصور را ایجاد کند که پلتفرم مسئولیت امنیت را هم بر عهده میگیرد. اما در شرایط و قواعد استفاده Lovable، مسئولیت اپلیکیشن و شیوهی نگهداری داده بهطور کامل بر دوش خود مشتری گذاشته شده است. نتیجه، شکافی نگرانکننده بین وعدهی یک سرویس همهکاره و ساده و مسئولیتهایی است که از مشتری انتظار میرود.
با همین پیشفرض، پژوهشگران کریسی فیلد با همکاری روزنامهی هندلزبلات بررسی کردند دادههای حساس در اپلیکیشنهای Lovable چقدر محافظت میشوند. لینا کنیس دوم نوامبر ۲۰۲۶ نتیجهی اولیهی این تحقیق را منتشر کرد و گزارش امروز نسخهی بهروزشده و کاملتر آن است.
**پرسش و روش پژوهش**
پرسش اصلی این بود: آیا دادههای حساس در اپلیکیشنهای Lovable بدون ورود به حساب قابل دسترسی هستند؟ پژوهشگران دو لایه را جدا بررسی کردند؛ نخست دادههایی که هنگام بارگذاری اولیهی سایت ارسال میشوند و دوم محتوای بیشتری که با درخواستهای فقط-خواندنی دیگر و با همان کلید API قابل بازیابی بود.
نتیجه این بود که نمونههای روشن و فراوانی از دادههای حساس بدون محافظت باقی ماندهاند.
تمرکز روششناسی روی سرویس دیتابیس Supabase بود، چون اتصالش نسبتاً ساده قابل تحلیل است و به باور پژوهشگران پرمصرفترین سرویس دیتابیس میان پروژههای Lovable است. قابلیتهای دیتابیس خودِ Lovable که اواخر ۲۰۲۵ معرفی شد هنوز کمتر استفاده میشود؛ پیکربندیهای غلط مشابهی ممکن است آنجا هم رخ دهد، اما در این تحلیل بررسی نشد.
پژوهشگران با استفاده از دادههای آرشیو وب باز Common Crawl، ۱۵۹٬۰۴۱ پروژهی Lovable را از دسامبر ۲۰۲۵ تا سپتامبر ۲۰۲۶ شناسایی و تحلیل کردند. از این تعداد، ۳۴٬۵۴۵ پروژه از Supabase استفاده میکردند. ۲۴٬۶۶۴ وبسایت بهمحض بارگذاری، رکوردهای دیتابیس Supabase را ارسال میکردند، بدون آنکه ورود یا تعامل دیگری لازم باشد. این بهتنهایی نقص امنیتی نیست، چون ممکن است دادهها عمداً برای نمایش عمومی باشند. اما با ارسال درخواستهای اضافی فقط-خواندنی، محتوای بیشتری از دیتابیس به دست آمد. در نهایت، رکوردهای حاوی نشانی ایمیل در ۱۰٬۵۶۰ جدول در ۷٬۴۰۳ وبسایت از همان ۲۴٬۶۶۴ سایت (۳۰ درصد) پیدا شد.
**محدودیتها**
نشانی ایمیل میتواند به شناسایی رکوردهای حاوی دادهی شخصی کمک کند، اما ممکن است نشانی تماس عمومی یا دادهی آزمایشی هم باشد. در مقابل، این روش رکوردهای شخصیای را که ایمیل ندارند از دست میدهد. این دو اثر تا حدی یکدیگر را خنثی میکنند، هرچند پژوهشگران نتوانستند میزان آن را دقیق تعیین کنند. بنابراین عدد ۳۰ درصد را نباید نرخ تأییدشدهی نشت داده خواند؛ این عدد فقط به همان ۲۴٬۶۶۴ سایتی مربوط است که دقیقتر بررسی شدند. نمونهی برگرفته از Common Crawl هم نمایندهی همهی اپلیکیشنهای Lovable نیست. پژوهشگران تنها بخشی از مجموعهدادهها را بازیابی کردند و آنها را کامل دانلود نکردند؛ اعداد گزارش بازتاب رکوردهایی است که واقعاً دانلود شده و ممکن است مجموعههای آسیبدیده بزرگتر باشند. جزئیات شیوهی دسترسی هم منتشر نشد، چون انتشار آن میتوانست دسترسی بیشتر را آسانتر کند.
**موارد نشت داده**
موارد جدی و متعددی از دادهی در معرض دید پیدا شد، از جمله:
یک انجمن سبک زندگی آلمانی بیش از ۸۰ هزار پروفایل شامل نام و نام خانوادگی، ایمیل، تاریخ تولد و جنسیت را در معرض دید گذاشته بود. بیش از ۲۰۰ هزار پیام چت هم قابل دسترسی بود.
چند برگزارکنندهی رویداد و رستوران دهها هزار رکورد مربوط به فروش بلیت و غذا را بدون نیاز به ورود منتشر کرده بودند. رکوردهای بررسیشده شامل ایمیل، شماره تلفن، نشانی پستی، اطلاعات پرداخت و کد بلیت بود.
یک شرکت مدیریت املاک، خلاصههای تولیدشده با هوش مصنوعی از ایمیلهای داخلی را در معرض دید گذاشته بود؛ خلاصههایی حاوی اطلاعات حساس درباره مستأجران، مالکان و شرکای تجاری.
در یکی از جدیترین موارد، یک شرکت خدماتی بیش از هزار رکورد شامل جزئیات مدارک هویتی را باز گذاشته بود؛ از جمله شماره پاسپورت، تاریخ انقضا و ملیت. این جزئیات بهشدت حساس میتواند برای سرقت هویت استفاده شود.
محتوای قابل دسترس دیگر شامل دهها هزار قرارداد، فاکتور، آلبوم عکس شخصی و مکالمات داخلی واتساپ بود. همچنین اشتراک خبرنامه، لیست انتظار و درخواستهای تماس و پشتیبانی فراوانی پیدا شد؛ در یک مورد، ۲۸۰ هزار ایمیلی که یک ارائهدهنده به مشتریانش فرستاده بود در دسترس بود.
بسته به محتوا، چنین دادهای میتواند برای فیشینگ، کلاهبرداری بلیت یا سرقت هویت به کار برود. پژوهشگران نتوانستند ثابت کنند که از این دادهها سوءاستفاده شده یا نه. هندلزبلات یافتههای این تحقیق را با Lovable در میان گذاشت.
**پیامدها**
این تحلیل نشان میدهد بسیاری از اپلیکیشنهای Lovable حتی دادههای بهشدت حساس را بیمحافظت رها میکنند و پیامدهای آن میتواند برای افراد آسیبدیده جدی باشد.
خطا در کنترل دسترسی در هر اپلیکیشنی ممکن است رخ دهد، چه انسان آن را نوشته باشد چه هوش مصنوعی ساخته باشد. اما در Lovable، اتصالهای دیتابیس از الگوهای تکرارشونده پیروی میکنند و همین کار را برای مهاجم آسان میکند تا پیکربندیهای غلط مشابه را در انبوهی از اپلیکیشنها جستوجو کند. روشی که روی یک اپ جواب میدهد، با اندکی تلاش بیشتر روی اپهای دیگر هم جواب میدهد. کاربران بدون پیشزمینهی فنی هم در تشخیص و پیشگیری از این نقصها کار سختتری دارند.
یک پلتفرم توسعهی سادهی کاربرپسند، نیاز به بازبینی تخصصی مجوزهای دسترسی را از بین نمیبرد؛ بازبینیای که باید پیش از سپردن دادههای واقعی به اپلیکیشن انجام شود. بررسیهای خودکار جای ارزیابی حرفهای امنیتی را نمیگیرند. پیش از آنکه اپلیکیشن دادهی واقعی مشتری یا کسبوکار را پردازش کند، باید مجوزهای دسترسی، رابطها و جداسازی حسابهای کاربری بازبینی شوند و این بررسی پس از تغییرات مهم تکرار شود. اگر تخصص لازم درون سازمان نیست، باید از پشتیبانی واجد صلاحیت بیرونی کمک گرفت.