Lovable那20万条私信,漏在少了个审代码的人
Lovable这次泄露,AI写的代码背不了这个锅。少一条行级安全策略,作者自己这边什么都不坏。一人公司也早就没有第二个人,来冷着读一遍代码,问一句还有谁进得来。
OPC Community
OPC Community

我们把写代码的人自动化了,顺手也把唯一会问一句还有谁进得来的那个人请走了。
Lovable这次出事的应用,每一个都通过了测试。创始人敲了一句prompt,在预览窗口里点了几下,看着自己的消息加载出来,上线。
这测试是真测了。只是测错了人。这周Crissy Field发了一份研究报告,记录了Lovable搭出来的应用把护照信息和20多万条私信暴露在外面,接下来的评论你闭着眼都能猜到。vibe coding不安全。业余选手就不该发布软件。生成器写的代码烂。
我觉得这个解读是错的,而且错的方式,正好给下一次泄露铺了路。
生成器把活干完了
先看这些应用是怎么搭出来的。Lovable把你的前端接到一个Supabase数据库上,浏览器直接跟数据库对话,用的那把key就打包在JavaScript里。谁打开开发者工具都能看到。Supabase就是这么设计的,这把key本来就是公开的。
那就只剩一道锁了,行级安全策略(RLS),也就是数据库里规定哪个用户能看哪一行的规则。写对了,公开的key一点害处都没有。没写,或者写了一条登录了就能读全部,你整个数据库就成了一个公开API。
要命的细节在这儿。少一条策略,什么都不会坏。应用照常加载,聊天照常能用,创始人看到的是自己的消息,跟他预期的一模一样。没有红字。构建也不报错。反正就是,一点症状都没有。
这个故障,只有你是别人的时候才存在。
听着有点绕对吧。你想想看,「能跑」这句话,管的范围比听上去窄得多。它只说了一件事,应用对它的作者是对的,作者用自己的账号登录,做自己本来想做的事。安全讲的是其他所有人,预览窗口给你看不了其他所有人,它造出来就没打算干这个。模型也看不到,prompt写的是给我做个聊天应用,聊天界面出来了就算成功。
生成器交出了能用的软件。第二个问题,没人问。
代码审查从来没人设计过,它是顺带出来的
问第二个问题,以前是有人管的。只是从来没人把它写进岗位职责。
正常的工程团队里,代码要上生产得走pull request,pull request需要第二个人。我们一直跟自己说,这个人是来抓bug的。大部分时候还真不是。研究微软代码审查的几项研究发现,审查评论里只有少数跟缺陷有关。
审查者值钱的地方简单得多,代码不是他写的。作者当时怎么想的,他完全不知道。他冷着读那个接口,问的是陌生人会问的问题。等等,这个谁都能调吗?
从来没人把这个问题设计成一道安全控制。它是团队配人的方式里顺带掉出来的。代码贵,公司就得雇好几个人来写,人一多,上线之前自然有个作者以外的人看一眼。这道控制,是组织架构白送的。
然后组织架构缩到了一个人。用Lovable的一人创始人,没有第二个工程师,没有pull request,整栋楼里找不出一个能冷着读这东西的人。你甚至没法说审查者被开了。这个角色一直就是别的东西的副产品,现在那个别的东西没了。
所以AI写的代码不安全这个说法,说真的,我不买账。一模一样的bug,人类自己一直在写。2018年,Appthority的研究员发现2300多个Firebase数据库对全网敞开,暴露了大约1亿条记录,全是专业程序员一行行手写的,你敢信。去年夏天,Tea这个app从一个敞开的Firebase bucket里漏出去7.2万张图片,其中大约1.3万张是自拍和证件照。Tea自己说,这些数据放在一套老的存储系统里,比任何vibe coding工具出现得都早。这锅,vibe coding想背都背不上。
数据库敞着门这个bug,已经15岁了。新的是能把它发上线的人多了多少,还有,这些人身边一个同事都没有。
只查有没有锁的扫描器,当不了审查者
这话Lovable早就听过。2025年5月,Matt Palmer扫了Lovable自家showcase里的1645个应用,然后公开了CVE-2025-48757。170个有问题,差不多十个里就有一个,行级安全策略要么没写要么写坏了,数据就这么露在外面。
那时候Lovable已经上线了一个安全扫描。Palmer在披露里把它到底干了什么写得很清楚,它只标记策略存不存在。策略写得对不对,它从来不查。
这篇文章就挂在这个区别上。查存在的,问的是门上有没有锁。审查者问的是,这把锁会不会给陌生人开。一条写着using (true)的策略,第一种检查稳稳通过,然后把每一行数据都交出去。
那个扫描还只是建议性质。只提醒,不拦。作者能随手关掉的提醒,等于又让作者自己给自己的活打分,这正是我们一开始的那个局面。
真正的审查有两个属性,打着AI安全名头卖的东西,大多一个都不占。第一,审查者是独立的,作者的意图它不知道,作者的上下文它也没有。第二,审查者有否决权。它提的异议没人答复,代码就不能上线。
同一个模型,同一个会话,你问它一句这安全吗,第一条就挂了。它带着自己的假设读自己的代码,然后把你俩本来就信的东西再告诉你一遍。能关掉的横幅呢,挂在第二条。
审查这一层,正在变成产品回来
Lovable这份研究到处传的同一天,阿里的open-code-review上了GitHub trending。它的设计是确定性流水线加一个LLM agent,我觉得这个分法是对的。
有些审查问题是有答案的。这张表开了行级安全吗?有没有哪条策略对所有调用者都返回true?客户端的包里是不是躺着一把service key?这些一个都别去问语言模型。查数据库,grep构建产物,每次拿到的答案都一样。把事实问题交给一个概率系统,你得到的审查者周一拦下来的东西,周二就给批了。
另一些问题要靠判断。这条策略,跟创始人说的「用户能看到自己的预订」对得上吗?这张叫profiles的表,里面是不是存着护照扫描件?agent该待的地方在这儿,像同事那样去读意图。
这个趋势,我是当成一次纠偏来看的,没把它当成又多了一个工具。过去两年,钱都砸在作者身上,生成更快,上下文更大,一句话出一整个应用。审查者一分钱没拿到,因为压根没人知道以前有过这么个角色。现在这个缺掉的角色正在被重新做成软件,也只能这样,以前靠它兜着的那些一人创始人,不会为了把审查找回来专门再雇一个工程师。
它该放在哪?我的答案是放在平台里面,放在发布按钮上,手里有拒绝的权力。Lovable的客户,按产品的设计,就是看不懂行级安全策略的人。跟这样的客户说安全是你自己的责任,就像卖一辆没有刹车的车,然后指指说明书。你卖的是「不需要工程师」,那工程师的义务你就接过去了,包括没人列出来的那一条。
当十分钟陌生人
平台做到这一步之前,你就是自己的审查者,而且坦率的讲,你的位置很不利。你知道这个应用应该干什么。坑就坑在这儿。
所以别再用自己的身份测了。
打开你已经部署的应用,打开开发者工具,在network标签里找到Supabase的URL和anon key。大概一分钟的事,攻击者也用不了更久。然后找一个完全没登录的终端,直接向数据库要你最敏感的那张表。
`` curl "https://YOUR-PROJECT.supabase.co/rest/v1/messages?select=*" \ -H "apikey: YOUR_ANON_KEY" ``
有数据返回来,你中的就是Lovable这个bug。每张表都跑一遍。
接下来注册两个账号。登录第一个,把它的session token复制出来,再按ID去请求第二个账号的数据。拿到了的话,你的策略只检查了用户有没有登录,没检查他是谁。这种更常见,查存在的那种扫描永远看不见它。
上线前两样都做,之后每改一次schema再做一遍。然后换一个模型,开一个没有任何构建历史的新会话,让它读你的策略,用大白话讲出每张表谁能读。它讲出来的东西要是让你吃了一惊,策略就是错的。
拿这个顶替同事,挺糙的。但最要紧的那部分它找回来了,一个不知道你本来想干嘛的读者。
「能跑」这两个字藏住了什么
接下来这段,我们这些一个人发产品的,听着不会舒服。我们对自己应用的信心,几乎全是看着它照我们说的做,这么看出来的。这感觉是真的,可它对安全什么都没说。报告里那些创始人,当时也是这个感觉。
回到开头那一幕。创始人在预览里点了一圈,消息加载出来,应用能跑。
研究员那边,它也能跑。所谓泄露,就是你的应用在给不该用的人正常干活,几十年来唯一的防线,是一个不知道你本意、照样把你代码读一遍的同事。
我们造了机器来写代码。这周才弄明白,读代码的那个人是干嘛用的。
常见问题
Why did Lovable apps expose private messages and passport details?
Lovable connects the frontend directly to a Supabase database using a key that ships in the JavaScript bundle and is public by design. The only lock is row-level security, and a missing or overly broad policy (such as using (true)) turns the whole database into a public API. Nothing breaks for the founder, who still sees only their own data, so the failure is invisible unless you are somebody else.
How do I check whether my Lovable or Supabase app is leaking data?
Find your Supabase URL and anon key in the browser's network tab, then use curl with no login to request each sensitive table; if rows come back, you have the bug. Next, create two accounts and use the first account's session token to request the second account's rows by ID, which catches policies that check for a login without checking who the user is. Repeat both before launch and after every schema change, and have a different model in a fresh session describe in plain English who can read each table.
Is AI-generated code less secure than code written by humans?
The article argues that this framing is wrong: the open-database bug is fifteen years old, and professionals have hand-coded it many times, including more than 2,300 exposed Firebase databases found in 2018 and the Tea app leak. What changed is how many people can ship that bug, and that a solo founder has no colleague to read the code cold. The fix is a reviewer that is independent of the author and can block publishing, not a dismissible scan that only checks whether a policy exists.