anonym.legal

By · Last updated 2026-03-13

Назад към блогаСигурност на AI

Samsung загуби изходен код за ChatGPT 3 пъти

Три отделни инженерни екипа на Samsung поставиха собствен код и поверителни данни в ChatGPT през април 2023 г. Всеки инцидент разкри различен аспект от риска.

March 13, 20269 мин. четене
Samsung ChatGPT leaksource code protectionenterprise AI controlsinsider data leakageMCP Server anonymization

Актуализирано за 2026 г.

Три екипа, три изтичания, един месец

През април 2023 г. Samsung Semiconductor разкри три отделни инцидента. Три различни екипа са изпратили собствени данни до AI чатбот в рамките на един месец. Инцидентите не са свързани. Различни хора, различни роли, различни дни.

Споделят само две общи черти. Всеки човек е използвал инструмента за реална работа. Всеки случайно е изпратил данни, които Samsung не е имало намерение да споделя извън компанията.

Инцидент 1 -- Изходен код. Софтуерен инженер е отстранявал грешки в код на оборудване. Той поставил в чата собствен изходен код за полупроводници. Кодът съдържал производствена интелектуална собственост.

Инцидент 2 -- Бележки от среща. Служител е изготвял обобщение на среща. Тя изпратила своите бележки за кондензиране от AI. Тези бележки съдържали поверителни детайли за стратегия и пътна карта.

Инцидент 3 -- Заявка към база данни. Трети служител е искал помощ с бавна заявка. Той споделил структурата на базата данни и логиката на заявката. Тази логика е реферирала собствени схеми и бизнес правила.

Три инцидента. Три разкривания. Един месец.

Защо служителите са го направили

Нито един от тримата не е действал небрежно. Те са използвали AI инструмент за задачи, за които са предназначени AI инструментите. Преразглеждане на код. Обобщаване на текст. Оптимизиране на заявки. Всяка задача е законна.

Липсващото звено е техническа спирачка. Никоя система не е блокирала изпращането, преди да достигне до外ен сървър. Никакъв филтър не е уловил собствените идентификатори, преди да напуснат мрежата. Нищо не е стояло между реалната нужда на служителя и外ната услуга.

Имало е предупреждение в политиката. Но предупреждението не е бариера. Рискът от случайна грешка е бил абстрактен и отдалечен. Ползата за продуктивността е реална и непосредствена. Рационалните работници са избрали продуктивността.

Резултатът е бил предвидим. Три инцидента за тридесет дни. Три разкривания на интелектуална собственост. Корпоративна криза, предизвикала забрани в целия бранш.

Реакцията на бранша

Samsung реагира бързо. Ограничи достъпа до AI инструменти на корпоративни устройства.

Други организации последваха. Сред обявилите ограничения бяха Bank of America, Citigroup, Goldman Sachs, JPMorgan Chase, Apple и Verizon. Финансовият сектор реагира най-бързо. Крупните банки и технологични фирми достигнаха до едно и също заключение. AI инструменти без технически контроли представляват неприемлив риск за съответствието.

Всяка от тях е установила едно и също нещо. Служителите не са проблемът. Предупрежденията в политиките не са достатъчни. Данните са напуснали корпоративните мрежи, защото нищо не ги е спряло. Само политиката не може да създаде техническа спирачка.

Процентът на заобикаляне -- 71,6%

Подходът на забраните има измерена степен на неуспех. Проучване на LayerX от 2025 г. установи, че 71,6% от служителите, подлежащи на корпоративни AI забрани, са продължили да използват AI инструменти. Те са използвали лични акаунти или лични устройства.

Причината е проста. Инструмент, предоставящ реална стойност, се използва. Хората намират заобиколни пътища, вместо да се откажат от него. AI може да намали времето за изпълнение на задача наполовина. Предупреждение в политика не ще промени тази сметка. Работниците влизат от личен телефон или лаптоп. Екипите по сигурност не могат да видят този трафик.

Практическият резултат е най-лошият случай. Корпоративни данни все още достигат до AI доставчиците. Но сега протичат по канали без никакъв надзор. Трафикът от корпоративни устройства поне можеше да бъде логван. Употребата чрез личен акаунт е невидима.

Трите инцидента на Samsung са се случили на корпоративни устройства. Служителите, заобикалящи забраната, правят същото. Изпращат работни данни до AI модели. Но сега това става по канали без корпоративна видимост.

Техническото решение, адресиращо първопричината

Инцидентите на Samsung не са причинени от небрежни хора. Те са причинени от архитектура без слой за прихващане. Нямало е нищо между подсказката на служителя и сървъра на доставчика.

Архитектурата на Model Context Protocol (MCP) запълва тази празнина. Тя поставя прозрачен прокси в пътя на данните. Разработчиците, използващи Claude Desktop или Cursor IDE, са основната аудитория. Това са точно инструментите, използвани за отстраняване на грешки в код -- какъвто е бил първият инцидент на Samsung. MCP сървърът е в пътя на протокола и за двете.

Преди какъвто и да е текст да достигне до AI модела, MCP сървърът го преминава през стъпка на анонимизация. Изходният код се сканира за собствени идентификатори. Имена на функции, имена на променливи и API крайни точки се заменят с структурирани токени. Детайлите за схемата на базата данни и стойностите на конфигурацията също се заменят. Замяната се случва, преди кодът да напусне вашата мрежа.

Разработчик, отстраняващ грешки в собствен код, изпраща кода чрез MCP клиента. Чувствителните идентификатори вече са токени по това време. AI моделът все още помага при отстраняването на грешки. Действителните собствени детайли никога не достигат до сървърите на доставчика.

Инцидент 1 става технически невъзможен. Изходният код напуска мрежата вече анонимизиран. Инженерът получава необходимата помощ. Интелектуалната собственост остава под контрола на компанията.

Същата логика покрива Инцидент 2. Обобщаването на бележки от срещи чрез браузър-базирани инструменти е адресирано от разширението за Chrome и неговите корпоративни контроли. Инцидент 3 е покрит от MCP анонимизацията във всеки AI интерфейс за кодиране.

Забрани срещу технически контроли

Забраняването на инструменти, които 71,6% от служителите вече заобикалят, не намалява риска. То премества риска към невидими канали.

Сравнението на браузър DLP инструменти покрива опциите за прихващане при браузър-базирана употреба на AI. За организации, сравняващи анонимизацията с други DLP продукти, сравнението на Nightfall срещу anonym.legal директно разглежда компромиса между блокиране и анонимизация.

Инцидентите на Samsung са ранен сигнал. Първопричината е едно отсъствие. Никакъв слой за прихващане. Никакъв технически контрол. Тази празнина вече може да бъде запълнена. Въпросът е дали предприятията ще внедрят решението или ще продължат да разчитат на забрани, които повечето служители вече заобикалят.

Източници

Готови ли сте да защитите данните си?

Започнете анонимизация на PII с 285+ типа субекти на 48 езика.

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.