By · Last updated 2026-03-13

Tagasi BlogisseAI Turvalisus

Samsung lekitas lähtekoodi ChatGPT-le 3 korda

Kolm eraldiseisvat Samsungi insenerirühma saatis 2023. aasta aprillis ChatGPT-le omandiõiguslikku koodi ja konfidentsiaalset teavet. Iga intsident paljastas erineva haavatavuse.

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

Uuendatud 2026. aastaks

Kolm rühma, kolm leket, üks kuu

  1. aasta aprillis avalikustas Samsung Semiconductor kolm eraldiseisvat intsidenti. Kolm erinevat rühma oli ühe kuu jooksul saatnud omandiõiguslikke andmeid AI-jututuppa. Intsidendid ei olnud omavahel seotud. Erinevad inimesed, erinevad rollid, erinevad päevad.

Neil oli ainult kaks ühist joont. Iga inimene kasutas tööriista reaalse töö tegemiseks. Iga inimene saatis kogemata andmeid, mida Samsung polnud kavatsenud väljaspool ettevõtet jagada.

Intsident 1 -- Lähtekood. Tarkvarainsener silumas seadmete koodi. Ta kleepiis omandiõigusliku pooljuhi lähtekoodi jututuppa. Kood sisaldas tootmise intellektuaalomandit.

Intsident 2 -- Koosoleku märkmed. Töötaja valmistas ette koosoleku kokkuvõtet. Ta esitas oma märkmed AI-le tihendamiseks. Need märkmed sisaldasid konfidentsiaalse strateegia ja tegevuskava üksikasju.

Intsident 3 -- Andmebaasipäring. Kolmas töötaja tahtis abi aeglase päringuga. Ta jagas andmebaasi struktuuri ja päringu loogikat. See loogika viitas omandiõiguslikele skeemidele ja ärireeglitele.

Kolm intsidenti. Kolm avalikustamist. Üks kuu.

Miks töötajad seda tegid

Ükski kolmest ei tegutsenud hooletult. Nad kasutasid AI-tööriista ülesannete jaoks, milleks AI-tööriistad on loodud. Koodiülevaatus. Teksti kokkuvõte. Päringu optimeerimine. Iga ülesanne oli legitiimne.

Puuduv osa oli tehniline stopp. Ühtegi süsteemi ei blokeerinud esitust enne välisserverisse jõudmist. Ühtegi filtrit ei tabanud omandiõiguslikke identifikaatoreid enne võrgust lahkumist. Midagi ei seiskunud töötaja reaalse vajaduse ja välise teenuse vahel.

Poliitika hoiatus olemas oli. Kuid hoiatus ei ole barjäär. Juhusliku vea risk oli abstraktne ja kauge. Tootlikkuse kasu oli reaalne ja vahetu. Ratsionaalsed töötajad valisid tootlikkuse.

Tulemus oli ettearvatav. Kolm intsidenti kolmekümne päevaga. Kolm intellektuaalomandi avalikustamist. Ettevõtte kriis, mis käivitas keelud kogu tööstusharus.

Tööstuse reaktsioon

Samsung tegutses kiiresti. See piiras AI-tööriistade juurdepääsu ettevõtte seadmetel.

Teised organisatsioonid järgisid. Piiranguid kuulutanud hulka kuulusid Bank of America, Citigroup, Goldman Sachs, JPMorgan Chase, Apple ja Verizon. Finantssektoor reageeris kõige kiiremini. Suured pangad ja tehnoloogiaettevõtted jõudsid sama järelduseni. AI tööriistad ilma tehniliste kontrollideta kujutasid endast vastuvõetamatut vastavusriski.

Kõik nad jõudsid samale järeldusele. Töötajad ei ole probleem. Poliitika hoiatused ei piisa. Andmed lahkusid ettevõtte võrkudest, sest miski ei peatanud neid. Poliitika üksi ei suuda luua tehnilist stoppi.

71,6% ümbersõidumäär

Keelustamise lähenemisel on mõõdetud ebaõnnestumismäär. LayerX 2025. aasta uurimus leidis, et 71,6% ettevõtte AI keeldudele allutatud töötajatest jätkas AI-tööriistade kasutamist. Nad kasutasid isiklikke kontosid või isiklikke seadmeid.

Põhjus on lihtne. Tööriist, mis pakub reaalset väärtust, võetakse kasutusele. Inimesed leiavad lahendusi selle asemel, et sellest loobuda. AI suudab ülesande aega poole võrra vähendada. Poliitika hoiatus ei muuda seda arvutust. Töötajad logisid sisse isikliku telefoni või sülearvutiga. Turvarühmad ei suuda seda liiklust näha.

Praktiline tulemus on halvim juhtum. Ettevõtte andmed jõuavad endiselt AI pakkujateni. Kuid nüüd voolavad need kanalite kaudu, millel puudub igasugune järelevalve. Ettevõtte seadmete liiklust võiks vähemalt logida. Isikliku konto kasutamine on nähtamatu.

Samsungi kolm intsidenti toimusid ettevõtte seadmetel. Keelust mööda hiiliv töötaja teeb sama. Nad saadavad tööandmeid AI mudelitele. Kuid nüüd läheb see kanalite kaudu, millel puudub ettevõtte nähtavus.

Tehniline lahendus, mis käsitleb juurpõhjust

Samsungi intsidendid ei olnud põhjustatud hooletute inimeste poolt. Need olid põhjustatud arhitektuurist, millel puudus pealtkuulamise kiht. Töötaja päringu ja tarnija serveri vahel polnud midagi.

Mudeli konteksti protokolli (MCP) arhitektuur täidab selle lünga. See paigutab läbipaistva puhverserveri andmetee sisse. Claude Desktop'i või Cursor IDE kasutavad arendajad on peamine sihtrühm. Need on täpselt sellised tööriistad, mida kasutati Samsungi esimese intsidendi taga oleva koodi silumiseks. MCP Server istub mõlema jaoks protokoliteel.

Enne kui tekst jõuab AI mudelini, käitab MCP Server seda läbi anonümiseerimise etapi. Lähtekood skaneeritakse omandiõiguslike identifikaatorite leidmiseks. Funktsioonide nimed, muutujate nimed ja API lõpp-punktid asendatakse struktureeritud tokenitega. Andmebaasi skeemi üksikasjad ja konfiguratsiooni väärtused asendatakse samuti. Vahetus toimub enne, kui kood teie võrgust lahkub.

Arendaja, kes silub omandiõiguslikku koodi, saadab koodi MCP kliendi kaudu. Tundlikud identifikaatorid on selleks ajaks juba tokenid. AI mudel aitab endiselt silumisülesandega. Tegelikud omandiõiguslikud üksikasjad ei jõua kunagi tarnija serveritesse.

Intsident 1 muutub tehniliselt võimatuks. Lähtekood lahkub võrgust juba anonümiseeritult. Insener saab vajaliku abi. IP jääb ettevõtte kontrolli alla.

Sama loogika katab intsidendi 2. Koosoleku märkmete kokkuvõte brauseripõhiste tööriistade kaudu on käsitletud Chrome'i laienduse ja selle ettevõtte kontrollidega. Intsident 3 on kaetud MCP anonümiseerimisega mis tahes AI kodeerimisliidesega.

Keelud vs. tehnilised kontrollid

Tööriistade keelamine, millest 71,6% töötajatest juba mööda hiilimisega kõrvale hoiab, ei vähenda riski. See viib riski nähtamatutesse kanalitesse.

Brauseri DLP-tööriista võrdlus katab brauseriepõhise AI kasutuse pealtkuulamise võimalused. Organisatsioonidele, kes võrdlevad anonümiseerimist teiste DLP-toodetega, katab Nightfall vs. anonym.legal võrdlus blokeerimine vs. anonümiseerimise kompromissi otseselt.

Samsungi intsidendid olid varajane märk. Juurpõhjus oli puudumine. Pealtkuulamise kihti polnud. Tehnilist kontrolli polnud. See lünk on nüüd parandatav. Küsimus on see, kas ettevõtted võtavad lahenduse kasutusele või toetuvad endiselt keeldudele, millest enamik töötajaid juba mööda hiilib.

Allikad

Kas olete valmis oma andmeid kaitsma?

Alustage PII anonüümitamist 285+ üksustüübi abil 48 keeles.

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.