Назад
7 мая 2026 г. в 12:10 AI Cybersecurity Vibe Coding Software Replit Lovable Axios / Wired / RedAccess / VibeEval / Escape

ИИ-сервисы для быстрого кода оставили тысячи приложений без защиты

ИИ-сервисы для быстрого кода оставили тысячи приложений без защиты

ИИ-сервисы для быстрого кода оставили тысячи приложений без защиты

Исследователи кибербезопасности снова нашли слабое место в буме «vibe coding» — приложений, которые пользователи собирают с помощью ИИ-инструментов вроде Lovable, Base44, Replit, Bolt, Cursor и V0. По данным Axios со ссылкой на израильскую компанию RedAccess, исследователи обнаружили около 380 тысяч публично доступных активов, связанных с такими платформами, включая примерно 5 тысяч приложений с минимальной или отсутствующей авторизацией. Примерно у 40% из них, как сообщается, были открыты чувствительные данные.

Это не история о том, что ИИ «плохо пишет код». Проблема точнее и неприятнее: ИИ сделал создание веб-приложений доступным людям, которые раньше вообще не дошли бы до деплоя. Теперь маркетолог, основатель, дизайнер или менеджер может за вечер собрать форму, CRM, внутренний кабинет, мини-магазин или сервис для клиентов. Но если приложение вышло в интернет без проверки прав доступа, базы данных, секретов и API, скорость превращается в новый класс массовых утечек.

Что нашли исследователи

Свежий сигнал RedAccess вписывается в серию похожих исследований последних месяцев. Escape ранее проанализировала более 5,6 тысячи публичных приложений, созданных через vibe coding-платформы, и заявила о более чем 2 тысячах уязвимостей, 400+ раскрытых секретах и 175 случаях персональных данных — включая медицинские записи, IBAN, телефоны и электронную почту. Symbiotic Security в отдельном исследовании просканировала 1 072 приложения на Supabase-бэкендах и нашла уязвимости у 98% из них.

VibeEval опубликовал ещё более жёсткую картину: в выборке из 1 514 живых приложений, созданных на Lovable, Bolt.new, Cursor, Replit и V0, 81% имели хотя бы одну критическую или высокую проблему. Самые частые ошибки звучат не как экзотические атаки, а как базовая гигиена: отсутствующая или сломанная Row Level Security в Supabase, секреты в клиентском JavaScript, сломанная объектная авторизация, отсутствие лимитов запросов и слишком широкие CORS-настройки.

Именно поэтому эта новость важнее очередного списка «страшных багов». Исследования показывают повторяющийся паттерн: приложения генерируются быстро, выглядят готовыми, но часто не проходят тот слой скучной инженерной проверки, который обычно отделяет демо от продукта.

Почему vibe coding ломает привычную модель безопасности

До появления таких инструментов барьер входа в разработку был выше. Чтобы запустить приложение, нужно было хотя бы немного понимать сервер, базу данных, переменные окружения, права пользователя, авторизацию и деплой. Это не гарантировало безопасности, но отсеивало часть опасных экспериментов ещё до публикации.

Vibe coding перевернул эту логику. Пользователь видит красивый интерфейс, рабочие кнопки и быстрый результат — значит, психологически продукт уже кажется готовым. Но ИИ-инструмент может сгенерировать API без проверки владельца записи, положить ключ в фронтенд, оставить таблицу читаемой для любого запроса или включить слишком широкие правила доступа в Supabase. Для новичка это невидимые детали. Для атакующего — входная дверь.

Особенно опасны приложения, которые выглядят «маленькими»: форма заявок, личный кабинет для клиентов, таблица лидов, MVP для инвесторов, внутренний инструмент продаж. Именно там часто оказываются имена, телефоны, email, платежные данные, медицинские сведения, заметки менеджеров и коммерческие лиды. Масштаб бизнеса может быть небольшим, но данные всё равно реальные.

Кто должен отвечать: платформа или пользователь

Спор о вине здесь будет долгим. Платформы могут сказать, что пользователь сам отвечает за публикацию, подключение базы и хранение секретов. Пользователи — что сервис продал им обещание «сделать приложение без программиста», значит должен безопасно закрывать типовые дыры по умолчанию.

Практический ответ, скорее всего, окажется посередине. Платформам придётся усиливать guardrails: безопасные шаблоны авторизации, автоматические проверки перед деплоем, запрет на публикацию с открытыми таблицами, сканирование секретов, понятные предупреждения не для инженеров, а для обычных людей. Иначе рынок получит репутацию фабрики красивых, но дырявых прототипов.

Но компаниям тоже нельзя относиться к AI-сборке как к магии без ответственности. Если приложение собирает данные клиентов или сотрудников, оно должно проходить минимальный security review: кто может читать записи, кто может менять данные, где лежат ключи, какие API доступны без входа, включены ли лимиты запросов, можно ли скачать чужую информацию через прямой URL или идентификатор.

Главный вывод для бизнеса

Vibe coding никуда не исчезнет. Наоборот, он будет расширяться: слишком велика выгода от того, что идея превращается в работающий прототип за часы, а не за недели. Для малого бизнеса, стартапов и внутренних команд это мощный инструмент. Но рынок быстро проходит фазу восторга и входит в фазу последствий.

Следующий зрелый этап таких платформ — не только «сделай приложение по описанию», а «сделай приложение и не выпусти его в интернет, если оно сливает базу». Без этого AI-разработка останется полезной для прототипов, но опасной для реальных данных.

Для обычного пользователя практический вывод простой: если приложение создано ИИ и подключено к базе данных, его нельзя считать безопасным только потому, что оно работает. Перед публикацией нужны хотя бы базовая проверка авторизации, секретов и доступа к данным. Иначе цена скорости окажется не в подписке на ИИ-сервис, а в утечке клиентов.

Мнение редакции Neuro.ee: эта история хорошо показывает, как массовый ИИ меняет не только производительность, но и распределение риска. Раньше плохой код чаще оставался на ноутбуке разработчика. Теперь он за один клик становится публичным сервисом. Значит, главным продуктовым преимуществом AI coding-платформ скоро будет не скорость генерации, а безопасные настройки по умолчанию и честная проверка перед запуском.

Ещё новости

Google вынес Guided Learning в Classroom: что показали тесты
3 ноября 2026 г.
Google вынес Guided Learning в Classroom: что показали тесты

Google начинает глобально разворачивать Guided Learning в Classroom. В контролируемом исследовании с более чем 300 студентами доступ к инструменту совпал с более высоким приростом результатов, но это ещё не доказательство для всех школьных сценариев.

GitHub Copilot Fusion сам выбирает модели для задачи
3 ноября 2026 г.
GitHub Copilot Fusion сам выбирает модели для задачи

GitHub вывел Copilot Fusion в общую доступность: режим сам подбирает и комбинирует модели для задачи. Для разработчика это уменьшает ручной выбор модели, но не отменяет контроль расходов и корпоративных политик.

Пенсильвания ввела правила для обманной AI-рекламы
3 ноября 2026 г.
Пенсильвания ввела правила для обманной AI-рекламы

Новый закон Пенсильвании требует заметно раскрывать использование синтетического контента, когда он создаёт ложное впечатление о товаре или услуге.

Кибератака на Selver: в холодильной системе выставили +50 °C
2 ноября 2026 г.
Кибератака на Selver: в холодильной системе выставили +50 °C

В одном из эстонских магазинов Selver атаковали систему охлаждения: по сообщению Postimees, в ней попытались установить температуру +50 °C. Selver заявляет, что партнёр быстро обнаружил инцидент, магазин не понёс ущерба, а товары и покупатели не пострадали.

Gemini Notebook открыл сотни бесплатных учебников
2 ноября 2026 г.
Gemini Notebook открыл сотни бесплатных учебников

Google добавила в Gemini Notebook каталог из сотен учебников от OpenStax, Open Textbook Library и S Chand Publishing. По каждому подключённому учебнику сервис обещает ответы с привязкой к тексту и ссылками на исходные фрагменты. Это делает ИИ удобнее для подготовки, но не отменяет проверку его выводов.

GPT-6 Astra изменила 0,016% весов Qwen и подняла MATH-500 с 7,9% до 48,1%
2 ноября 2026 г.
GPT-6 Astra изменила 0,016% весов Qwen и подняла MATH-500 с 7,9% до 48,1%

Исследователи, связанные с MIT CSAIL, выложили открытые логи эксперимента, в котором GPT-6 Astra напрямую изменила небольшую часть весов Qwen3.5-0.8B. После одной из правок авторы зафиксировали рост на математических тестах и IFEval, но это ранняя работа с оценкой в собственной экспериментальной среде.

Новый тест агентов: лучший ИИ решил лишь 12% рабочих задач
2 ноября 2026 г.
Новый тест агентов: лучший ИИ решил лишь 12% рабочих задач

SemiAnalysis запустила GDPx — бенчмарк агентных моделей на задачах из 11 дорогих для бизнеса областей. По данным авторов, лучший результат пока составляет лишь 12%: эффектные демо ещё не равны надёжной автономной работе.

Google получила первый ответ ИИ с орбитального TPU
1 ноября 2026 г.
Google получила первый ответ ИИ с орбитального TPU

Google получила первый ответ от модели Gemma 4, запущенной на TPU на спутнике Project Suncatcher. Это подтверждает работу вычислительной нагрузки на орбите, но не доказывает жизнеспособность космического дата-центра.

DeepSeek показал прототип «суперагента» для GitHub
1 ноября 2026 г.
DeepSeek показал прототип «суперагента» для GitHub

DeepSeek опубликовала исследовательский прототип dsh-superagent: он следит за событиями в одном репозитории GitHub, запускает отдельные агентные сессии и возвращает результат в исходный диалог.

Критическая дыра в Linux: удалённый запуск кода грозит серверам — ядро пора обновлять
1 ноября 2026 г.
Критическая дыра в Linux: удалённый запуск кода грозит серверам — ядро пора обновлять

В ядре Linux исправили критическую CVE-2026-98432: ошибка в IPv4/TCP при неблагоприятных условиях может дать удалённому неаутентифицированному атакующему выполнение кода. Владельцам серверов стоит проверить статус ядра у своего дистрибутива и запланировать обновление, особенно если система принимает соединения из недоверенных сетей.

ИИ уже предлагает улучшения для ИИ — но проверять их всё ещё приходится людям
31 октября 2026 г.
ИИ уже предлагает улучшения для ИИ — но проверять их всё ещё приходится людям

Sakana AI и исследователи из Оксфорда показали The AI Scientist: LLM-агент генерирует гипотезы, меняет код, запускает эксперименты и пишет отчёты по задачам машинного обучения. Работа — проверяемый пример того, как модели участвуют в поиске улучшений для других моделей, но сами авторы фиксируют критические ошибки и не призывают верить результатам без перепроверки.

StepSecurity начала учитывать плагины Claude Code и Codex
31 октября 2026 г.
StepSecurity начала учитывать плагины Claude Code и Codex

StepSecurity добавила инвентаризацию плагинов AI-агентов на машинах разработчиков и в репозиториях GitHub. Инструмент показывает, откуда пришёл плагин, что в нём находится и где он включён — то есть закрывает новую дыру в цепочке поставки кода.