En fejlkonfigureret storage-bucket hos 302.ai efterlod 17,6 millioner filer åbne for enhver, der fandt den, ifølge research fra Cybernews. Blandt dem var mere end 144.000 AI-chatlogs med personlige oplysninger. 302.ai-datalækagen af AI-chatlogs er en påmindelse om, at det, du skriver til et AI-værktøj, kun er så privat, som den storage der ligger bag.
Rapporteringen om hændelsen siger, at der ikke er bekræftet nogen ondsindet adgang. Det er beroligende, men det betyder ikke, at filerne var sikre i nogen meningsfuld forstand, som vi forklarer nedenfor.
Hvad Cybernews fandt i 302.ai-bucketen
Cybernews-forskere opdagede, at en storage-bucket knyttet til 302.ai var offentligt tilgængelig. Eksponeringen omfattede 17,6 millioner filer, og dækningen beskriver totalen som 22,7TB data. Indeni var mere end 144.000 AI-chatlogs, der indeholdt personlige oplysninger. Dækningen af historien peger også på supportlogs relateret til et voksent produkt, hvilket illustrerer, hvor intime nogle af materialerne kan være.
Den vigtigste detalje er, hvordan eksponeringen skete. Det blev ikke beskrevet som et sofistikeret indbrud. En storage-bucket, der var åben mod internettet, betød, at enhver, der fandt den, kunne se indholdet uden hacking. Ifølge rapporteringen er der ingen bekræftelse på, at en ondsindet part har tilgået dataene.
Kildematerialet giver ikke yderligere tekniske detaljer, så det er ikke klart, hvor længe bucketen var åben, eller om hver fil indeholdt følsomt indhold. Det, der rapporteres, er omfanget og tilstedeværelsen af personlige oplysninger i chatlogs.
Hvorfor eksponerede AI-chatlogs er en privatlivsrisiko
Folk taler typisk anderledes til AI-værktøjer, end de taler til søgemaskiner. De indsætter arbejdsdokumenter, beskriver helbredsbekymringer, spørger om råd om forhold og deler detaljer, som de ville tøve med at sætte i en e-mail. Når disse samtaler opbevares frit tilgængeligt, kan indholdet afsløre meget om en person.
Der er flere grunde til, at chatlogs fortjener ekstra omhu:
- De er skrevet i naturligt sprog. Navne, adresser og personlige forhold optræder ofte i kontekst, hvilket gør dem nemme at læse og svære at anonymisere.
- De kan knyttes til en person. Selv uden et navn kan detaljer i en samtale pege på, hvem der skrev den.
- De slettes sjældent. Mange platforme opbevarer samtalhistorik i lange perioder, så en eksponering kan række langt ud over den seneste aktivitet.
- Supportlogs tilføjer et ekstra lag. Kundeserviceregistreringer kan knytte en chat til en ordre, en konto eller et produkt, hvilket kan være pinligt eller følsomt.
"Ingen bekræftet ondsindet adgang" er også en begrænset forsikring. Medmindre en udbyder har komplette adgangslogs for den periode, bucketen var åben, kan det være svært at bevise, at ingen andre har kigget. Automatiserede scannere søger konstant efter åbne buckets, så eksponerede data opdages ofte hurtigt.
Hvor ofte AI-platforme lækker data gennem fejlkonfiguration
302.ai-sagen passer ind i et mønster, hvor AI-relaterede tjenester eksponerer data gennem opsætningsfejl snarere end smarte angreb. Vibetech-sagen er et nyere eksempel: et usikret repository efterlod millioner af poster åbne for enhver med en internetforbindelse, som beskrevet i vores rapport om Vibetech-databasen, der eksponerer 13,7 mio. poster.
AI-virksomheder kan også rammes af konventionelle brud. Vores dækning af Suno-bruddet, der påvirker 55 mio. brugere, viser, hvor hurtigt en hurtigt voksende AI-platform kan akkumulere store mængder brugerdata, og hvor meget af det der kan eksponeres på én gang.
Den fælles tråd er hastighed. AI-produkter bygges og skaleres ofte hurtigt, og storage, der er ment som privat, kan ende med at blive offentlig gennem en enkelt forkert indstilling. Forskere fortsætter med at dokumentere, hvordan fejlbehæftet AI-værktøj kan lække data, som diskuteret i vores artikel om AI-ransomware og fejlbehæftede testmodeller, der lækker data.
Hvad det betyder for dig
Du kan ikke inspicere, hvordan en AI-udbyder konfigurerer sin storage, så du må antage, at alt, hvad du indsender, en dag kan blive eksponeret. Det betyder ikke, at du skal undgå AI-værktøjer. Det betyder, at du skal være bevidst om, hvad du deler med dem.
Hvis du har brugt en mindre kendt AI-platform, eller en der videresælger adgang til andre modeller, kan du have mindre indsigt i, hvem der opbevarer dine data, og hvor længe. En VPN hjælper ikke her: den beskytter din forbindelse under transmission, men den kan ikke beskytte data, som en udbyder opbevarer på sine egne servere.
Sådan reducerer du, hvad AI-værktøjer ved om dig
Du kan mindske din eksponering med nogle få vaner:
- Hold følsomme detaljer ude af prompts. Undgå at indsætte adgangskoder, finansielle data, medicinske oplysninger, ID-numre eller fortrolige arbejdsdokumenter.
- Brug pladsholdere. Erstat rigtige navne og adresser med generiske erstatninger, når du beder om hjælp til at skrive eller redigere.
- Gennemgå opbevaringsindstillinger. Tjek, om tjenesten gemmer historik, og slå det fra, eller slet gamle samtaler, hvor muligheden findes.
- Slet det, du ikke længere har brug for. Fjern gamle chats og uploadede filer, og luk konti, du ikke længere bruger.
- Brug unikke adgangskoder og to-faktor-godkendelse. Hvis en konto eksponeres, begrænser dette skaden på andre tjenester.
- Vær opmærksom på opfølgende svindel. Lækkede personlige detaljer kan drive overbevisende phishing-beskeder, så behandl uventede forespørgsler med mistanke.
De vigtigste pointer
302.ai-datalækagen af AI-chatlogs viser, at en enkelt storage-indstilling kan eksponere millioner af filer, selv når ingen angriber er bekræftet. Behandl AI-chats som potentielt permanente registreringer, del mindre, og ryd ud i historik, du ikke har brug for. For mere om, hvordan AI-tjenester håndterer og mishandler brugerdata, læs vores dækning af Vibetech-databaseeksponeringen og Suno-bruddet.
