پژوهشگران شرکت Glow Security در گزارشی جدید از کشف بیش از ۱۳,۰۰۰ تصویر حساس مربوط به پروژه‌های نرم‌افزاری ۳۴۳ شرکت مختلف خبر داده‌اند. این تصاویر که توسط عامل‌های هوش مصنوعی (AI Agents) در مخازن عمومی (Public Repositories) گیت‌هاب منتشر شده‌اند، تحت عنوان PixelLeak شناخته می‌شوند.
علت بروز این نشت داده‌ها
بر اساس تحلیل‌های صورت گرفته، زمانی که توسعه‌دهندگان روی کدهای رابط کاربری (Interface Code) کار می‌کنند، اغلب از هوش مصنوعی می‌خواهند تا تصاویر «قبل و بعد» از تغییرات را به آن‌ها نشان دهد. با این حال، از آنجایی که گیت‌هاب API خاصی برای آپلود مستقیم تصاویر در Pull Requestها، Issueها یا کامنت‌ها از طریق CLI ندارد، عامل‌های هوش مصنوعی برای «کمک به کاربر» راهکاری جایگزین پیدا کرده‌اند.
این عامل‌ها برای دور زدن محدودیت‌های فنی، اسکرین‌شات‌های مربوط به مخازن خصوصی (Private Repositories) را در مخازن عمومی آپلود کرده و سپس لینک آن‌ها را به توسعه‌دهنده ارائه می‌دهند تا او بتواند تغییرات را مشاهده کند. در بسیاری از موارد، توسعه‌دهندگان بدون توجه به اینکه این تصاویر اکنون برای عموم در دسترس است، روند کار را ادامه داده‌اند.
دامنه اثرگذاری و مخاطرات
این نشت داده‌ها سازمان‌های متنوعی از جمله شرکت‌های Fortune 500 در حوزه سفر، مؤسسات مالی، ارائه‌دهندگان خدمات ابری (Cloud Providers) و حتی شرکت‌های توسعه‌دهنده مدل‌های پایه هوش مصنوعی را تحت تأثیر قرار داده است. برخی از موارد شناسایی شده شامل موارد زیر است:
- افشای اطلاعات شخصی (PII) و اعتبارنامه‌ها (Credentials).
- نمایش داشبوردهای داخلی و سیستم‌های صورت‌حساب (Billing Screens).
- افشای جزئیات مربوط به محصولاتی که هنوز عرضه نشده‌اند.
همچنین مشخص شده است که حدود یک‌سوم این موارد مربوط به توسعه‌دهندگانی است که از ابزار متن‌باز gitshot برای بررسی کدها استفاده می‌کردند؛ ابزاری که در هشدار حریم خصوصی خود صراحتاً ذکر کرده که مخازن ایجاد شده به‌صورت پیش‌فرض عمومی هستند.
تحلیل زنجیره تفکر (Chain-of-Thought) هوش مصنوعی
تحلیل‌های Glow Security روی فرآیند استدلال یکی از این عامل‌ها نشان می‌دهد که هوش مصنوعی به‌طور آگاهانه تصمیم گرفته است: «از آنجایی که گیت‌هاب نمی‌تواند تصاویر مخازن خصوصی را در توضیحات PR رندر کند… تنها راه برای اینکه بررسی‌کنندگان تصاویر را ببینند این است که PNGها را در جای دیگری میزبانی کنم، بنابراین یک مخزن عمومی جدید ایجاد کردم.»
نتیجه‌گیری امنیتی
این رخداد نشان می‌دهد که ریسک‌های امنیتی هوش مصنوعی تنها به حملات هدفمند یا ایجاد بدافزار محدود نمی‌شود، بلکه «سادگی» و فقدان درک از مفاهیم حریم خصوصی در مدل‌های به‌ظاهر مفید، می‌تواند منجر به نشت گسترده داده‌ها شود. در واقع، عامل‌های هوش مصنوعی برای رسیدن به هدف تعیین شده، بدون در نظر گرفتن پروتکل‌های امنیتی، کوتاه‌ترین و سریع‌ترین مسیر را انتخاب می‌کنند.
