什么值得买App下载 App ›
连续签到专享现金活动

登录写成拦人、不登录反而能进:AI编程正让38万个应用公网裸奔

公网项目上线第三天,服务器账单突然多出八千块。查日志发现,同一个IP在凌晨三点批量调用AI扫描接口,把本地GPU算力消耗得一干二净。这不是孤例。RSAC 2026披露的数据更直观:40%到62%的AI生成代码存在可被利用的安全漏洞,而全球已有超过38万个Vibe Coding应用暴露在公网,其中5000多个几乎零防护。你的项目,可能正在裸奔。12
先说一个真实的翻车现场
2026年2月,Lovable平台上一款学生考试平台被曝出16个安全漏洞,其中6个严重级别。泄露了18,697条用户记录,包括870名用户的完整个人信息。问题出在哪?不是零日漏洞,而是一个极其基础的逻辑错误:AI把认证函数写反了——登录的人被拦住,没登录的人反而能进来。这款应用当时还在Lovable的官方推荐页面挂着,浏览量超过10万。3
另一个案例更隐蔽。开发者@迷人闹g发现自己的毕设项目出现异常:无用户ID的代码扫描任务凭空产生。排查日志后发现,攻击者直接绕过前端页面,用curl伪造请求调用后端接口。系统接口未做鉴权,攻击者无需任何凭证就能触发高资源消耗流程。服务器资源被白嫖,账单暴涨,但核心数据暂时保住了——纯粹是因为发现得早。4
AI代码为什么一测一个准
安全研究机构验证过一个规律:让AI写标准CRUD接口,十次里有七次忘记做租户隔离。不是偶尔,是七成概率。为什么?因为AI根本不知道你的系统跑在什么样的安全上下文里——它不知道你是多租户SaaS,不知道薪酬数据只有HR和本人能看,不知道删除操作需要二次确认。这些对人类开发者来说是常识的东西,对AI来说全是盲区。5
Veracode《2025年GenAI代码安全报告》发现更系统的结论:AI生成的代码约45%存在安全漏洞,且更大的模型(超过1000亿参数)在安全性能方面并没有比小模型表现出显著优势。GenAI模型近一半概率会做出错误的安全决策,而这个决策被直接输出成代码,跑进了生产环境。6
四类高频漏洞,对号入座
硬编码密钥是AI代码里最常见的漏洞类型。AI训练数据里充斥着大量硬编码示例——教程、Stack Overflow回答、GitHub上的半成品代码。GitGuardian 2026年报告显示,2025年GitHub公开仓库新增泄露密钥2865万条,同比增长34%。Claude Code等AI工具的公开提交中密钥泄露率约3.2%,是整体基线的两倍。7
权限校验失效是第二大坑。上文的Lovable案例只是冰山一角。RedAccess扫描Lovable、Replit、Base44、Netlify四大平台,发现超过2000个应用存在明确的私密数据泄露:医疗记录、银行账号、企业内部文件,全部暴露在公网。攻击者不需要任何漏洞,只用正常构造请求,就能拿到不该拿到的数据。2
SQL注入和XSS是老问题了,但在AI代码里变种更多。AI生成的数据库查询经常用字符串拼接而非参数化查询,前端渲染经常跳过输入转义。某安全团队测试发现,一个看似正常的AI生成评论功能,攻击者输入``就能劫持页面。8
支付回调是最容易被忽视的高危场景。微信支付的回调协议本身会重试8次,最多重试间隔1小时。如果后端没有幂等判断,同一笔订单可能收到3次以上的"支付成功"回调,每次都累加结算金额。三万二的短信接口账单是极端案例,但重复扣款、虚报收入这类问题更隐蔽——往往月底对账才发现。9
防护从哪下手
把安全审计流程跑起来,是性价比最高的一步。最简单的测试:注销登录,看看哪些数据还能访问。十分钟的操作,可能发现应用里最严重的漏洞。Lovable事件里,如果Supabase的行级安全(Row Level Security)默认开启,很多漏洞的影响范围会小很多。但Vibe Coding平台默认不打开这些安全特性,需要开发者主动配置。3
  • 接口鉴权是底线
    所有对外接口必须开启身份校验,高消耗接口(AI生成、代码扫描、图片处理)禁止匿名调用。业务数据创建时强制绑定用户归属,消除无主数据。
    4
  • 后台地址别用默认路径
    /admin-panel、/api/admin/login这类通用路径是批量扫描工具的首要目标。换一个带私有后缀的地址,搭配IP白名单访问。页面防护和接口防护要同步做,只护页面、放任接口裸奔等于没做防护。
    4
  • 支付回调必须验签加幂等
    回调接口不做签名校验,别人随手伪造"支付成功"请求就能白嫖。收到回调先验签,验签通过后再查本地订单状态——只有"待支付"才能往下走,其他状态直接返回成功,避免重复处理。
    10
  • 基础设施不能裸奔
    SSH改成密钥登录、修改默认端口;数据库只监听本地127.0.0.1;Redis等中间件加密码;防火墙仅开放80、443等必要端口。服务器层面的漏洞比代码漏洞更难发现,但一旦被利用就是整站接管。
    4
给AI套上Harness
安全公司Escape提出了一个框架概念:Harness——给AI编码行为套上工程化的约束体系。核心逻辑不是限制AI的能力,而是让AI的能力始终跑在安全边界之内。具体做法是把安全基线写进AI的系统指令:CLAUDE.md、.cursorrules、Copilot Instructions里明确标注"所有接口必须鉴权"、"禁止硬编码密钥"、"数据库操作必须参数化"。5
Claude Code的新插件security-guidance提供了三层防护思路:文件编辑时用模式匹配扫描25种危险模式(eval、硬编码密钥、不安全反序列化等);每轮对话结束时用独立模型审查git diff,捕获授权绕过、IDOR、SSRF等逻辑漏洞;提交前启动深度代理审查,追踪跨文件数据流。实测PR上的安全反馈减少30%到40%。11
三句话总结今天的重点
Vibe Coding不会消失,工具的价值是真实的。但"快速出产品"和"安全出产品"之间的张力正在显性化。38万裸奔应用只是开始——如果治理不到位,这个数字会指数级膨胀。12
安全审计的门槛没有随着开发门槛下降而同步降低。发布一款应用的门槛从"会不会写代码"降到了"会不会写prompt",但安全漏洞不会因为你的代码是AI写的就放过你。认证逻辑写反了,一样被攻击者长驱直入。3
下次用AI"随手做个APP"之前,先想想那个可能裸奔在公网上的数据库。功能可以迭代优化,安全没有"以后再说"。攻击者永远不会等待,任何拖延的安全优化都会成为被突破的缺口。4

评论

评论区空态插画

当前文章无评论,是时候发表评论了