15.9 万个 Lovable 应用一查:护照号、20 万条私信,没登录就能看
德国安全公司 Crissy Field 查了 159,041 个 Lovable 应用:24,664 个网站首屏就吐数据库记录,7,403 个含邮箱,1000 多条护照号记录、20 多万条私信不用登录就能看。问题不在某一个应用,而在同一类应用以同一种方式漏数据。

不用登录,不用注册,不用点任何东西,打开网页,数据就自己送上门了。德国安全公司 Crissy Field 查了 159,041 个用 Lovable 搭出来的应用,发现其中一大批就是这样:数据库记录在首页加载时直接发到浏览器里,顺着同一个接口再多问一句,还能拿到更多。其中最扎眼的几例包括 1000 多条带护照号的身份记录、一个德国论坛 8 万多份个人档案和 20 多万条聊天消息,以及一家服务商发给客户的 28 万封邮件。这件事的时间线要先说清楚:德媒《商报》(Handelsblatt)记者 Lina Knees 在 2026 年 11 月 2 日首报了这项调查(德文),Crissy Field 随后发布了数据更新后的英文报告,这份英文报告在 11 月 14 日登上了 Hacker News 首页。报告页面本身没有标注发布日期,所以 11 月 14 日是它受到广泛关注的日子,不是报告的发布日。
先把结论放在前面:这不是某一个应用写错了一行代码,而是同一类应用以同一种方式在漏数据。Lovable 的卖点是“不用懂技术,一句话就能做出网站”,而这份报告戳破的恰恰是这句话的另一面——做网站确实不用懂技术了,但保护数据仍然需要懂技术,而且责任还写在用户自己头上。对正在用 Lovable、Cursor、v0 这类工具做产品的 vibe coding 玩家来说,这篇报告不是远在天边的行业新闻,而是一面照妖镜:你上周刚发布的应用,很可能正在以同样的方式裸奔,而你自己还不知道。
研究是怎么做的
Crissy Field 是一家德国汉堡的安全咨询公司,做渗透测试和代码审计。他们的办法并不神秘:从公开网络档案 Common Crawl 里找出 2025 年 12 月到 2026 年 9 月之间发布的 Lovable 项目,一共 159,041 个,然后逐个检查这些网站在加载时会不会跟数据库说话。他们只盯了一种数据库:Supabase。理由在报告里写得很直白,Supabase 的集成最容易分析,而且研究者认为它是 Lovable 项目里用得最多的数据库服务。Lovable 自己的数据库功能是 2025 年底才推出的,用的人还不多,这次没有纳入分析,但报告明确提醒,类似的错误配置在那里也可能存在。
研究分两步走。第一步只看网站第一次加载时发了什么,完全被动,不登录、不点、不做任何操作。第二步,用网站自己在页面里给出的同一个 API key 再发只读请求,看看还能不能拿到更多内容。这个设计很关键,因为它模拟的不是黑客的高超手法,而是一个普通访客随手就能做到的事:打开开发者工具,复制页面里本来就有的 key,再问一次数据库。
数字一层层收窄,问题一层层变实
159,041 个项目里,有 34,545 个用了 Supabase,占比约 21.7%。其中 24,664 个网站在首次加载时就直接从 Supabase 发回了数据库记录,不需要登录,不需要任何交互。先别急着把这个数字当成“泄露数”:报告自己在第一时间就打了补丁,首屏就返回数据本身不一定是安全问题,那些数据完全可能是打算公开显示的,比如商品列表、博客文章、活动介绍。一个网站把公开内容发给访客,天经地义。
真正的分水岭在第二步。研究者拿着页面里现成的 API key 再发只读请求,结果在 24,664 个网站中的 7,403 个里找到了含邮箱地址的记录,涉及 10,560 张表,占比 30%。邮箱在这里只是一个探针:它是最容易识别的个人数据标记,出现邮箱,基本可以断定这张表里装的是跟人有关的东西,而不是公开的商品目录。换句话说,至少有 7,403 个网站的数据库大门是向所有人敞开的,任何人打开页面就能把里面的记录读走。
具体都漏了什么
比数字更说明问题的是具体案例。报告列出的每一例都没有点名,但细节足够让人坐直身子。一个德国生活方式论坛暴露了 8 万多份个人档案,含全名、邮箱、出生日期和性别,外加 20 多万条聊天消息,全部无需登录即可访问。几家活动主办方和餐厅暴露了数万条票务与餐饮销售记录,里面有邮箱、电话、邮政地址、支付信息和票码——票码一旦外泄,意味着别人可以直接拿着你的票去入场。
一家物业管理公司暴露了 AI 生成的内部邮件摘要,里面是租户、业主和商业伙伴的敏感信息。最严重的一例来自一家服务商:1000 多条含身份证件详情的记录就那样摆在公开接口后面,包括护照号、有效期和国籍。报告写得很克制,只说这些高度敏感的身份信息“可用于身份盗用”。除此之外,还有数以万计的合同、发票、个人相册和内部 WhatsApp 通讯,以及大量 newsletter 订阅、等候名单和客服咨询记录。在其中一例里,发给客户的 28 万封邮件都可以被访问。报告没有夸大其词,但也没有轻描淡写:这类暴露的数据可以被用来钓鱼、票务欺诈或身份盗用,至于有没有人已经这么干过,研究者明确表示无法确认。
数字不能怎么读:报告自己的局限性声明
这份报告最值得信任的地方,恰恰是它花了整整一节来讲自己的数字不能怎么读。30% 这个数字,研究者明确要求不要把它理解为“确认的泄露率”。原因有三层。第一,邮箱地址可能是公开联系方式,也可能是测试数据,含邮箱不等于含真实用户的隐私。第二,这个方法会漏掉所有不含邮箱的个人记录,比如只有姓名和电话的表就不会被计入。第三,样本来自 Common Crawl,并不代表全部 Lovable 应用,而且研究者只下载了数据集的一部分,没有全量拉取,所以实际受影响的数据可能比报告里写的更多,而不是更少。
换句话说,30% 既不是全站泄露率,也不是安全线。它只在 24,664 个被仔细检查过的网站这个范围内成立,而且是按“含邮箱”这个粗糙探针算出来的。真正的泄露规模可能比这个数字大,也可能比它小,但报告的结论并不依赖精确数字:无论精确值是多少,“很多 Lovable 应用把高度敏感的数据置于无保护状态”这一点,已经由一长串具体案例坐实了。读这篇报告,正确的姿势是盯住案例和机理,而不是把 30% 当成全站体检报告到处引用。
为什么 AI 生成的应用特别容易漏
数据库权限配错了,这事在传统开发里也天天发生,报告自己也承认,访问控制错误可能出现在任何应用里,无论是人写的还是 AI 生成的。但 Lovable 这类平台把三件事叠在了一起,让同样的错误变得更普遍、更难发现、后果更集中。
第一,默认配置就是漏的。AI 按你的描述把应用搭起来,数据库连上,前端能读到数据,功能跑通了,你就发布了。权限这层没有人替你默认关好,也没有一个环节强制你确认“这张表谁能读”。在传统开发里,配数据库权限是上线流程里绕不开的一步;在 vibe coding 里,这一步常常根本不存在,因为整个流程的设计目标就是让你少操心。
第二,没有人检查。写代码的人不懂数据库权限,AI 也不会主动告诉你“这张表现在是公开的”。应用能跑、页面能看,用户就默认它是安全的。报告里有一句很关键的话:没有技术背景的用户更难发现和预防这类缺陷。这不是在指责用户笨,而是在指出一个结构性问题:平台把建站的门槛降到了零,却把安全的门槛原样留在了那里。
第三,模式重复,攻击者可以批量扫。Lovable 生成的应用在数据库集成上遵循重复出现的模式,一种利用方式在一个应用上管用,换到下一个应用大概率也管用,几乎不用额外成本。传统网站各写各的,漏洞各不相同;AI 生成的应用像是同一条流水线上下来的,弱点长得一模一样。这也是 159,041 这个样本量本身的意义:它证明的不是“某个应用倒霉”,而是“某一类应用系统性地漏”。
而最让人不舒服的,是承诺与责任之间的落差。Lovable 在营销里反复强调不需要技术知识就能搭建项目,这很容易让人以为平台把安全也一起包办了。但它的服务条款把应用与数据处理的责任放在客户自己身上。报告的原话是,这在“易用的一体化服务”的承诺与客户被期望承担的责任之间留下了一个“令人不安的落差”。翻译成大白话就是:平台负责让你做得出来,不负责让你做得安全。Handelsblatt 已经就调查结果联系了 Lovable,报告没有说明 Lovable 作何回应,截至本文写作时也没有看到 Lovable 的公开回应。
给 vibe coding 玩家的发布前检查清单
如果你正在用 Lovable 或类似工具做带用户数据的应用,下面这张清单值得在每次发布前过一遍。它不长,也不需要你成为安全专家,但能拦住报告里的大多数情况。
第一,退出登录再看一遍自己的网站。开一个无痕窗口,不登录,打开你的应用,看看不该看到的东西能不能看到。重点看用户列表、订单记录、聊天内容、个人资料页这些地方。如果没登录就能翻到别人的数据,问题就已经实锤了,不用等任何人来提醒你。
第二,去数据库里逐表确认权限。以 Supabase 为例,检查每一张表的 Row Level Security(行级安全策略)是不是真的开了,匿名 key 能读到什么、能写什么,都要亲手测一遍,不要凭感觉。AI 帮你建表的时候,权限策略很可能处于默认放开的状态,默认状态就是这份报告里 7,403 个网站的状态。
第三,把“谁能看什么”想清楚再上线。公开内容和用户数据要分开:商品列表、活动介绍可以公开;用户档案、订单、聊天记录、私信必须按账号隔离。不要图省事用一把 key、一个权限管所有表。还有一条硬规矩:在权限没查清楚之前,别把护照号、身份证号、支付信息这种级别的数据放进应用里。
第四,大改之后重新查一遍。报告的建议很实在:应用开始处理真实客户或业务数据之前要审查访问权限、接口和账户隔离,重大变更之后要复查。AI 改一次需求,可能顺手就把一张新表以默认权限建好了,你上次查过的结论,未必还作数。
第五,不懂就找懂的人看一眼。报告的原话是,自动检查不能替代专业安全评估。平台自带的扫描、AI 自己说的“已经加固了”,都只能算参考,不能当成验收。你的应用一旦开始接真实用户、真实订单,值得花一笔小钱请人做一次权限审查,这笔钱比事后道歉和赔偿便宜得多。
平台方该补什么
把责任全推给用户是不公平的,报告的矛头也并不只对着用户。平台方至少有三件事可以做,而且都不需要等技术突破。第一,把默认改成安全的:新建数据库表默认不公开,敏感表默认要求登录,AI 生成权限策略时默认按“最小权限”来,而不是默认全开。让用户主动选择公开,而不是被动发现自己公开了。
第二,把检查摆到发布流程里。在用户点“发布”之前,强制跑一遍权限检查,把“匿名访客能读到哪些表、哪些表含邮箱或身份证件类字段”用大白话列出来,让用户在知情的情况下点确认。现在的流程是功能跑通就能发,安全检查全靠用户自觉,这正是 24,664 个网站首屏吐数据的土壤。
第三,把责任写清楚。营销里说“不需要技术知识”的时候,应该同时说清楚哪些事平台管、哪些事用户自己要管,而不是把关键信息藏在服务条款的小字里。用户不是不愿意负责,而是根本不知道自己要负这个责。信息差本身,就是这份报告里最大的安全漏洞。
这件事之后看什么
有三个观察点值得盯着。第一,Lovable 会不会回应,以及回应里会不会动默认配置。Handelsblatt 已经把调查结果递给了 Lovable,一份“我们正在调查”的声明不难写,难的是改默认、加发布前检查这种会动产品流程的动作,后者才是判断平台有没有当回事的标准。
第二,Lovable 自有数据库功能的表现。报告只查了 Supabase,因为它最常用、也最容易分析;Lovable 2025 年底推出的自有数据库功能用的人还少,这次没查。但同样的生成逻辑、同样的默认配置,问题很可能以同样的方式存在。那边的数字什么时候有人去查、查出来是什么样子,是下一个值得等的结果。
第三,同类平台会不会被连带检查。Lovable 不是唯一一个“一句话生成应用”的平台,任何一个把数据库集成做成默认模板的工具,都可能长着同样的弱点。这份报告的方法是公开的:Common Crawl 加公开接口,不需要任何特殊权限。下一个被这样查一遍的,很可能就是你正在用的那一个。
这件事真正值得记住的不是 15.9 万这个数字,而是它揭示的一条规律:AI 把做应用的门槛降到了零,但没有把做安全应用的门槛一起降下来。门槛消失的只是写代码的那部分,数据库权限、访问控制、数据隔离这些脏活累活,一点都没少,只是从程序员的待办清单上,悄悄挪到了不懂技术的用户的待办清单上。你的应用能不能上线,现在一句话就能决定;你的用户数据安不安全,仍然要靠发布前那几分钟的检查来决定。顺手查一下权限只要几分钟,事后处理一次泄露要花的钱、时间和信任,可不是几分钟能补回来的。别让你的应用成为下一篇报告里的匿名案例。
评论 (0)
原始来源
相关文章
2026 年 11 月 18 日,谷歌研究院等团队在 arXiv 发布 BuggyMLE:往 222 个能跑的机器学习仓库里注入 bug,14 个模型从最简单的 95% 一路跌到最难的 9%。一个 90 亿参数的小模型靠从易到难的课表,在 10 个 bug 那档超过了 Claude Opus 5.5。
2026 年 11 月 20 日,Thinking Machines Lab 发布 Inkling 2 Mini:26.4B 参数的循环 Transformer,中间 12 层每 token 跑三遍,整机只有约 20GB,能在笔记本上离线跑。DeepSWE 48.2%、SWE-bench Verified 79.2%,在同体量开源模型里领跑——但知识短板和监控问题也写在官方博客里。
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。