AI供应链渗透测试揭示数据泄露风险

安全研究员HD Moore通过植入200万条“数字金丝雀”,证实AI供应链存在严重数据泄露风险。实验显示,敏感凭证经OpenRouter等AI网关意外外泄,揭示了中间件架构下的隐私保护盲区。

安全研究人员 HD Moore 近期开展了一项针对人工智能供应链的渗透测试,通过在海量 AI 服务请求中植入 200 万条“数字金丝雀”,揭示了一个严重的数据泄露生态系统。实验结果显示,高度敏感的信息正通过广泛使用的 AI 中间件网络意外外泄。

200万条金丝雀验证泄露

该漏洞的发现源于对当前 AI 应用架构的深度剖析。许多现代 AI 应用程序并不直接连接 Anthropic、OpenAI 等大型模型供应商,而是依赖 OpenRouter 或 Vercel 等服务商作为中介。这些被称为“AI 路由器”或“AI 网关”的基础设施,负责接收最终用户的海量提示词(Prompts),并根据价格最低或任务匹配度最高的标准,将请求动态分配至可用的推理引擎。开发者利用这些路由机制来优化成本与性能,但这一过程也引入了潜在的安全盲区。

基于“数字金丝雀”的泄露验证机制

为了量化潜在的隐私风险,HD Moore 设计了一套精密的追踪方案。他生成了一组从未被实际使用过的敏感凭证,包括 AWS 访问密钥、SSH 密码、独特的 URL、DNS 名称以及私有 Git 仓库引用。这些凭证均关联至由研究者控制的空 AWS 账户或其他基础设施,任何对这些资源的未授权访问请求都将成为数据泄露的确凿证据。

随后,Moore 将这些“金丝雀”秘密分别植入并发送至不同的 AI 服务提供商。由于这些凭证在原始环境中处于休眠状态,一旦研究者的控制端接收到任何来自外部网络的请求,即意味着相关数据已通过 AI 供应链发生了非预期泄露。这种被动监听机制成功捕获了敏感信息在 AI 处理链条中的流动路径,证实了部分 AI 网关存在严重的隐私保护缺陷。

评论 0

0/500

评论需审核后展示,请文明发言

💬
还没有评论,来说两句

相关阅读