anonym.legal

By · Last updated 2026-03-13

Terug na BlogKI-sekuriteit

Samsung het bronkode 3 keer aan ChatGPT verloor

Drie afsonderlike Samsung-ingenieursgroepe het eie kode en vertroulike data in April 2023 in ChatGPT geplak. Elke voorval het 'n verskillende aspek van die ondernemingsrisiko blootgestel.

March 13, 20269 min lees
Samsung ChatGPT leaksource code protectionenterprise AI controlsinsider data leakageMCP Server anonymization

Opgedateer vir 2026

Drie Groepe, Drie Lekke, Een Maand

In April 2023 het Samsung Semiconductor drie afsonderlike voorvalle bekend gemaak. Drie verskillende groepe het eie data na 'n KI-sletbot gestuur binne 'n enkele maand. Die voorvalle was nie verwant nie. Verskillende mense, verskillende rolle, verskillende dae.

Hulle het slegs twee eienskappe gedeel. Elke persoon het die gereedskap gebruik om werklike werk te doen. Elkeen het per ongeluk data gestuur wat Samsung nie bedoel het om buite die maatskappy te deel nie.

Voorval 1 -- Bronkode. 'n Sagteware-ingenieur was besig om toerustingkode te debug. Hy het eie halfgeleier-bronkode in die sletgesprek geplak. Die kode het vervaardigings-IP gehou.

Voorval 2 -- Vergadernote. 'n Werknemer was besig om 'n opsomming van 'n vergadering voor te berei. Sy het haar note vir die KI ingedien om op te som. Hierdie note het vertroulike strategie en padkaarbesonderhede bevat.

Voorval 3 -- Databasisnavraag. 'n Derde werknemer wou hulp he met 'n stadige navraag. Hy het die databasisstruktuur en die navraaglogika gedeel. Hierdie logika het verwys na eie skemas en besigheidsreels.

Drie voorvalle. Drie openbarings. Een maand.

Waarom die Werknemers Dit Gedoen Het

Geeen van die drie het onverskillig opgetree nie. Hulle het 'n KI-gereedskap gebruik vir take waarvoor KI-gereedskap gebou is. Kodehersiening. Teksopsomming. Navraagoptimalisering. Elke taak was wettig.

Die ontbrekende stuk was 'n tegniese stop. Geen stelsel het die indiening geblokkeer voordat dit 'n eksterne bediener getref het nie. Geen filter het eie identifiseerders gevang voordat hulle die netwerk verlaat het nie. Niks het gestaan tussen die werknemer se werklike behoefte en die buite diens nie.

'n Beleidswaarskulding het bestaan. Maar 'n waarskuwing is nie 'n versperring nie. Die risiko van 'n toevallige fout was abstrak en ver. Die produktiwiteitvoordeel was werklik en onmiddellik. Rasionele werkers het produktiwiteit gekies.

Die resultaat was voorspelbaar. Drie voorvalle in dertig dae. Drie openbarings van IP. 'n Korporatiewe krisis wat verbode in die industrie veroorsaak het.

Die Industrie-reaksie

Samsung het vinnig opgetree. Dit het KI-gereedskapstoegang op korporatiewe toestelle gesny.

Ander organisasies het gevolg. Die wat beperkings aangekondig het, sluit in Bank of America, Citigroup, Goldman Sachs, JPMorgan Chase, Apple en Verizon. Die finansiele sektor het die vinnigste gereageer. Groot banke en tegnologiefirmas het dieselfde gevolgtrekking gemaak. KI-gereedskap sonder tegniese beheermaatreels het onaanvaarbare nakomingsrisiko gestel.

Elkeen van hulle het dieselfde bevinding bereik. Werknemers is nie die probleem nie. Beleidswaarskuldings is nie genoeg nie. Data het korporatiewe netwerke verlaat omdat niks dit gestop het nie. Beleid alleen kan nie 'n tegniese stop skep nie.

Die 71,6% Omseilingkoers

Die verbodsbenadering het 'n gemete mislukkingskoers. LayerX-navorsing van 2025 het gevind dat 71,6% van werknemers onderhewig aan ondernemings KI-verbode aanhou om KI-gereedskap te gebruik. Hulle het persoonlike rekeninge of persoonlike toestelle gebruik.

Die rede is eenvoudig. 'n Gereedskap wat werklike waarde lewer, word gebruik. Mense vind omseilingsweie eerder as om dit op te gee. KI kan taagtyd halveer. 'n Beleidswaarskulding sal nie daardie berekening verander nie. Werkers meld aan van 'n persoonlike foon of skootrekenaar. Sekuriteitspanne kan nie daardie verkeer sien nie.

Die praktiese uitkoms is die ergste geval. Korporatiewe data bereik steeds KI-verskaffers. Maar nou vloei dit deur kanale met nul toesig. Korporatiewe toestelverkeer kon ten minste aangeteken word. Persoonlike rekeninggebruik is onsigbaar.

Samsung se drie voorvalle het op korporatiewe toestelle gebeur. Werknemers wat die verbod omseil, doen dieselfde ding. Hulle stuur werkdata na KI-modelle. Maar nou gaan dit deur kanale met geen ondernemingssigbaarheid nie.

Die Tegniese Oplossing Wat die Worteloorsaak Aanspreek

Samsung se voorvalle is nie veroorsaak deur onverskillige mense nie. Hulle is veroorsaak deur 'n argitektuur sonder 'n onderskeppingslaag. Daar was niks tussen die werknemer se aanwysing en die verskaffer se bediener nie.

Model Context Protocol (MCP)-argitektuur vul hierdie gaping. Dit plaas 'n deursigtige proxy in die datapad. Ontwikkelaars wat Claude Desktop of Cursor IDE gebruik, is die primere gehoor. Dit is presies die gereedskap wat gebruik word vir die soort kode-debug agter Samsung se eerste voorval. Die MCP-bediener sit binne die protokolpad vir albei.

Voordat enige teks die KI-model bereik, laat die MCP-bediener dit deur 'n anonimiseringstap. Bronkode word geskandeer vir eie identifiseerders. Funksienname, veranderlike name en API-eindpunte word vervang met gestruktureerde tokens. Databasisskema-besonderhede en konfigurasiepunte word ook vervang. Die ruil gebeur voordat die kode jou netwerk verlaat.

'n Ontwikkelaar wat eie kode debug, stuur kode deur die MCP-klient. Die sensitiewe identifiseerders is reeds tokens teen dan. Die KI-model help steeds met die debug-taak. Die werklike eie besonderhede bereik nooit die verskaffer se bedieners nie.

Voorval 1 word tegnies onmoontlik. Die bronkode verlaat die netwerk reeds geanonimiseer. Die ingenieur kry die hulp wat hulle nodig gehad het. Die IP bly onder maatskappybeheer.

Dieselfde logika dek Voorval 2. Vergaderingsnote-opsomming via blaaiergebaseerde gereedskap word aangespreek deur die Chrome-uitbreiding en sy ondernemingsbeheermaatreels. Voorval 3 word gedek deur MCP-anonimisering in enige KI-kodeeringkoppelvlak.

Verbode vs. Tegniese Beheermaatreels

Die verbied van gereedskap wat 71,6% van werknemers reeds omseil, verminder nie risiko nie. Dit skuif die risiko na onsigbare kanale.

Die blaaier DLP-gereedskap vergelyking dek onderskeppingsopsies vir blaaiergebaseerde KI-gebruik. Vir organisasies wat anonimisering met ander DLP-produkte vergelyk, dek die Nightfall vs. anonym.legal vergelyking die blokkeer-vs-anonimisering-kompromis direk.

Samsung se voorvalle was 'n vroee sein. Die worteloorsaak was 'n afwesigheid. Geen onderskeppingslaag nie. Geen tegniese beheer nie. Daardie gaping is nou oplosbaar. Die vraag is of ondernemings die oplossing ontplooi, of aanhou staatmaak op verbode wat die meeste werknemers reeds omseil.

Bronne

Gereed om u data te beskerm?

Begin om PII te anonimiseer met 285+ entiteitstipes in 48 tale.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.