AktualnościMakroPrawie 2 miliony tokenów kanaryjskich ujawniają wycieki danych promptów w łańcuchu dostaw AI

Prawie 2 miliony tokenów kanaryjskich ujawniają wycieki danych promptów w łańcuchu dostaw AI

Autor: CryptoBriefing·

Najważniejsze informacje

  • •Badanie HD Moore'a osadziło prawie dwa miliony śledzonych tokenów kanaryjskich w promptach AI od lipca do listopada 2026 roku, ujawniając rozległe wycieki w routerach AI i usługach inferencji.
  • •Około 200 danych uwierzytelniających AWS zostało wykradzionych w ukierunkowanych atakach pod koniec października 2026 roku i używanych przez atakujących w usługach Amazon, w tym S3 i IAM, choć klucze prowadziły jedynie do kontrolowanej infrastruktury.
  • •Co najmniej trzech dostawców hostingu AI zostało skompromitowanych, a potwierdzona aktywność kradzieży sięga połowy lipca 2026 roku; żaden nie wykrył naruszeń, dopóki Moore nie powiadomił ich w listopadzie 2026 roku.
  • •Niektórzy resellerzy i platformy AI przechwytywali prompty klientów poprzez wbudowane logowanie, pomimo polityk zero-data-retention.
  • •Unikalny zasiany URL pojawił się w wewnętrznym czacie chińskiej firmy 24 dni po wysłaniu, a prompty użytkowników z USA prześledzono do chińskich organizacji AI.
Prawie 2 miliony tokenów kanaryjskich ujawniają wycieki danych promptów w łańcuchu dostaw AI

Badacz bezpieczeństwa HD Moore postawił sobie za cel odpowiedź na proste pytanie: co dzieje się z sekretem po wpisaniu go do aplikacji AI? Aby się tego dowiedzieć, osadził około 2 milionów śledzonych „kanaryjskich" danych uwierzytelniających i adresów URL w promptach i przepuścił je przez sieć usług, która zasila nowoczesne narzędzia AI.

Odpowiedź nie była uspokajająca. Ekosystem masowo wyciekał wrażliwe dane, a kilka z firm, które wyciekały, w ogóle nie zdawało sobie z tego sprawy. Co najmniej trzech dostawców hostingu AI okazało się skompromitowanych, a atakujący wynieśli dane promptów klientów.

Moore, doświadczony badacz w Dragos, znany przede wszystkim jako twórca Metasploit Framework — zestawu narzędzi do testów penetracyjnych powszechnie używanego w branży bezpieczeństwa — prowadził badanie od lipca do listopada 2026 roku. Osadził prawie dwa miliony unikalnych, śledzonych tokenów kanaryjskich w żądaniach wysyłanych do usług inferencji AI i routerów bramkowych, a następnie monitorował, które z nich pojawią się w miejscach, w których nie powinny. Sporo ich się pojawiło.

Jak kanarek łapie złodzieja

Token kanaryjski działa jak paczka z barwnikiem ukryta w torbie bankowej. Wygląda jak prawdziwy obiekt — na przykład klucz dostępu AWS lub prywatny link — i „dzwoni do domu" w momencie, gdy ktoś próbuje go użyć.

Tokeny kanaryjskie to długo stosowane narzędzie w bezpieczeństwie defensywnym, a ta konstrukcja czyni metodę wyjątkowo czystą. Uruchomiony kanarek oznacza, że dane wyciekły i ktoś się nimi posłużył, a nie jedynie, że teoretycznie mógł.

Test celował w warstwę stosu AI, o której większość użytkowników nigdy nie myśli. Wiele aplikacji AI nie komunikuje się bezpośrednio z modelem. Zamiast tego przekazują prompty pośrednikom, takim jak OpenRouter czy Vercel, często nazywanym „routerami AI" lub „bramkami AI". Ci pośrednicy zbierają ogromne ilości promptów od użytkowników końcowych, a następnie przekazują każdy z nich do tego silnika inferencji, który spełnia ich kryteria, na przykład najniższej ceny.

Co wykazały pułapki

Najbardziej uderzający wynik dotyczył danych uwierzytelniających w chmurze. Około 200 unikalnych danych uwierzytelniających AWS zostało wykradzionych podczas ukierunkowanych ataków pod koniec października 2026 roku. Atakujący wykorzystali następnie skradzione klucze w kilku usługach Amazon, w tym S3, usłudze przechowywania danych Amazona, oraz IAM, która kontroluje, kto i do czego ma dostęp.

Na szczęście te klucze nie prowadziły nigdzie naprawdę. Atakujący przetestowali je w kontrolowanym środowisku infrastruktury — i właśnie to pozwoliło Moore'owi obserwować ich działania.

Kradzieże nie były jednorazowym wybuchem. Najwcześniejsza potwierdzona aktywność kradzieży sięga połowy lipca 2026 roku, co oznacza, że wycieki trwały niemal od samego początku eksperymentu.

Bezpośredni kompromitacja była tylko częścią obrazu. Moore znalazł też dowody na to, że resellerzy i platformy handlowe AI przechwytywały prompty klientów poprzez wbudowane funkcje logowania. Ta praktyka jest sprzeczna z politykami zero-data-retention — obietnicą, że dostawca przetwarza żądanie, a potem je zapomina. Pułapki sugerują, że niektórzy dostawcy mimo wszystko pamiętali.

Geografia opowiedziała własną historię. Unikalny URL zasiany podczas badania pojawił się w wewnętrznym czacie chińskiej firmy 24 dni po pierwotnym żądaniu. Moore prześledził także prompty użytkowników z USA aż do chińskich organizacji AI. Użytkownicy wysyłający żądanie przez router mogli nie mieć żadnego wglądu w to, gdzie ostatecznie trafiło.

Być może najbardziej niezręcznym odkryciem była luka w świadomości. Poszkodowani dostawcy nie wiedzieli, że cokolwiek się dzieje; dowiedzieli się o naruszeniach dopiero, gdy Moore powiadomił ich w listopadzie 2026 roku. Jego raport został publicznie podsumowany 19 listopada 2026 roku.

Dlaczego środek stosu ma znaczenie

Branża AI poświęciła wiele energii na uspokajanie klientów co do tego, co główni twórcy modeli robią z ich danymi. Prace Moore'a wskazują gdzie indziej: na pośredników, resellerów i dostawców hostingu siedzących między użytkownikiem a modelem.

Każdy dodatkowy przeskok zwiększa ryzyko. Prompt, który przechodzi przez router, resellera i zewnętrznego hosta, ma trzy szanse na to, by zostać zalogowanym, przechwyconym lub skradzionym — a polityka prywatności na pierwszym etapie nie mówi nic o trzecim. Zespoły bezpieczeństwa od dawna z podobnych powodów koncentrują się na zależnościach oprogramowania od podmiotów trzecich, a wyniki sugerują, że prompty podróżujące przez pośredników AI niosą obecnie porównywalne ryzyko.

Co to oznacza

Dla firm budujących na usługach AI praktyczna lekcja jest bezlitosna: wszystko, co trafia do promptu, należy traktować jako potencjalnie ujawnione. Dotyczy to kluczy API, danych uwierzytelniających chmury, linków wewnętrznych i rekordów klientów — materiałów, które deweloperzy rutynowo wklejają do narzędzi AI podczas debugowania lub automatyzacji pracy. Kanarki pokazują, że atakujący aktywnie zbierają właśnie takie materiały i szybko je testują.

Wyniki podważają również samodzielne znaczenie obietnicy zero-data-retention. Polityka jest tylko tak dobra, jak każda strona, która dotyka danych. Jeśli domyślne logowanie resellera i tak przechwytuje prompty, gwarancja staje się dekoracją.

Luka w wykrywaniu może być największym zmartwieniem. Atakujący kradli dane z co najmniej trzech dostawców hostingu przez wiele miesięcy, a żaden z nich tego nie zauważył, dopóki nie poinformował ich zewnętrzny badacz. Czy powiadomieni dostawcy teraz ujawnią incydenty lub zmienią działanie swojego logowania, pozostaje do zobaczenia.

Oryginalne opracowanie: Crypto Briefing