En felkonfigurerad lagringsbucket hos 302.ai lämnade 17,6 miljoner filer öppna för alla som hittade den, enligt forskning från Cybernews. Bland dem fanns mer än 144 000 AI-chattloggar som innehöll personuppgifter. 302.ai-dataläckan av AI-chattloggar är en tydlig påminnelse om att det du skriver in i ett AI-verktyg bara är så privat som lagringen bakom det.

Rapporteringen om incidenten säger att ingen skadlig åtkomst har bekräftats. Det är lugnande, men det betyder inte att filerna var säkra i någon meningsfull bemärkelse, vilket vi förklarar nedan.

Vad Cybernews hittade i 302.ai-bucketen

Cybernews forskare upptäckte att en lagringsbucket kopplad till 302.ai var offentligt åtkomlig. Exponeringen omfattade 17,6 miljoner filer, och rubrikerna beskriver totalen som 22,7 TB data. Inuti fanns mer än 144 000 AI-chattloggar som inkluderade personuppgifter. Rapporteringen om händelsen pekar också på supportloggar kopplade till en vuxenprodukt, vilket illustrerar hur intimt en del av materialet kan vara.

Den viktigaste detaljen är hur exponeringen skedde. Detta beskrevs inte som ett sofistikerat intrång. En lagringsbucket som var öppen mot internet innebar att alla som lokaliserade den kunde se innehållet, utan att någon hacking krävdes. Enligt rapporteringen finns ingen bekräftelse på att en skadlig aktör har kommit åt uppgifterna.

Källmaterialet ger inte fler tekniska detaljer, så det är oklart hur länge bucketen var öppen eller om varje fil innehöll känsligt innehåll. Det som rapporteras är omfattningen och förekomsten av personuppgifter i chattloggarna.

Varför exponerade AI-chattloggar är en integritetsrisk

Människor tenderar att prata med AI-verktyg på ett annat sätt än de pratar med sökmotorer. De klistrar in arbetsdokument, beskriver hälsoproblem, ber om relationsråd och delar detaljer som de skulle tveka att sätta i ett e-postmeddelande. När dessa konversationer lagras öppet kan innehållet avslöja mycket om en person.

Några skäl till att chattloggar förtjänar extra försiktighet:

  • De är skrivna i naturligt språk. Namn, adresser och personliga omständigheter förekommer ofta i sitt sammanhang, vilket gör dem lätta att läsa och svåra att redigera bort.
  • De kan kopplas till en person. Även utan ett namn kan detaljer i en konversation peka på vem som skrev den.
  • De raderas sällan. Många plattformar behåller konversationshistorik under långa perioder, så en exponering kan sträcka sig långt bortom den senaste aktiviteten.
  • Supportloggar lägger till ett andra lager. Kundtjänstregister kan koppla en chatt till en order, ett konto eller en produkt, vilket kan vara pinsamt eller känsligt.

"Ingen bekräftad skadlig åtkomst" är också en begränsad försäkran. Om en leverantör inte har fullständiga åtkomstloggar för perioden då bucketen var öppen, kan det vara svårt att bevisa att ingen annan tittade. Automatiserade skannrar söker ständigt efter öppna buckets, så exponerade data upptäcks ofta snabbt.

Hur ofta AI-plattformar läcker data genom felkonfiguration

302.ai-fallet passar in i ett mönster där AI-relaterade tjänster exponerar data genom misstag i uppsättningen snarare än genom smarta attacker. Vibetech-fallet är ett färskt exempel: ett osäkrat arkiv lämnade miljoner poster öppna för alla med en internetanslutning, vilket vår rapport om Vibetech-databasen som exponerade 13,7 miljoner poster täcker.

AI-företag kan också drabbas av konventionella intrång. Vår rapportering om Suno-intrånget som drabbade 55 miljoner användare visar hur snabbt en snabbväxande AI-plattform kan samla på sig stora mängder användardata, och hur mycket av den som kan exponeras på en gång.

Den gemensamma nämnaren är hastighet. AI-produkter byggs och skalas ofta snabbt, och lagring som är avsedd att vara privat kan hamna offentligt genom en enda felaktig inställning. Forskare fortsätter att dokumentera hur bristfälliga AI-verktyg kan läcka data, vilket diskuteras i vår artikel om AI-ransomware och bristfälliga testmodeller som läcker data.

Vad detta innebär för dig

Du kan inte granska hur en AI-leverantör konfigurerar sin lagring, så du måste utgå från att allt du skickar in en dag kan exponeras. Det betyder inte att du ska undvika AI-verktyg. Det betyder att du ska vara medveten om vad du delar med dem.

Om du har använt en mindre känd AI-plattform, eller en som återförsäljer åtkomst till andra modeller, kan du ha mindre insyn i vem som lagrar dina data och hur länge. Ett VPN hjälper inte här: det skyddar din anslutning under överföringen, men det kan inte skydda data som en leverantör lagrar på sina egna servrar.

Hur du minskar vad AI-verktyg vet om dig

Du kan minska din exponering med några vanor:

  1. Håll känsliga detaljer borta från prompter. Undvik att klistra in lösenord, finansiella uppgifter, medicinsk information, ID-nummer eller konfidentiella arbetsdokument.
  2. Använd platshållare. Ersätt riktiga namn och adresser med generiska stand-ins när du ber om hjälp att skriva eller redigera.
  3. Granska inställningarna för lagring. Kontrollera om tjänsten sparar historik och stäng av det eller radera gamla konversationer där alternativet finns.
  4. Radera det du inte längre behöver. Ta bort gamla chattar och uppladdade filer och stäng konton du inte längre använder.
  5. Använd unika lösenord och tvåfaktorsautentisering. Om ett konto exponeras begränsar detta skadan för andra tjänster.
  6. Var uppmärksam på uppföljningsbedrägerier. Läckta personuppgifter kan driva på övertygande nätfiskemeddelanden, så behandla oväntade förfrågningar med misstänksamhet.

Viktiga slutsatser

302.ai-dataläckan av AI-chattloggar visar att en enda lagringsinställning kan exponera miljoner filer, även när ingen angripare har bekräftats. Behandla AI-chattar som potentiellt permanenta register, dela mindre och rensa bort historik du inte behöver. För mer om hur AI-tjänster hanterar och misshanterar användardata, läs vår rapportering om Vibetech-databassexponeringen och Suno-intrånget.