By · Last updated 2026-03-13

Vissza a BlograAI Biztonság

A Samsung háromszor szivárogtatott forráskódot ChatGPT-be

2023 áprilisában három különböző Samsung-mérnöki csapat illesztett be saját fejlesztésű kódot és bizalmas adatokat a ChatGPT-be. Mindhárom incidens különböző sebezhetőséget tárt fel.

March 13, 20269 perc olvasás
Samsung ChatGPT leaksource code protectionenterprise AI controlsinsider data leakageMCP Server anonymization

2026-ra frissítve

Három csapat, három szivárgás, egy hónap

2023 áprilisában a Samsung Semiconductor három különálló incidenst hozott nyilvánosságra. Három különböző csapat küldött saját fejlesztésű adatokat egy MI-chatbotnak egyetlen hónapon belül. Az incidensek nem voltak összefüggők. Különböző emberek, különböző szerepek, különböző napok.

Csupán két jellemzőben egyeztek meg. Mindenki valódi munkavégzésre használta az eszközt. Mindenki véletlenül küldött olyan adatot, amelyet a Samsung nem akart a vállalaton kívülre juttatni.

1. incidens — Forráskód. Egy szoftverfejlesztő berendezéskódot hibakeresett. Saját fejlesztésű félvezetős forráskódot illesztett be a csevegőbe. A kód gyártási szellemi tulajdont tartalmazott.

2. incidens — Értekezlet-jegyzetek. Egy munkatárs egy megbeszélés összefoglalóját készítette. Beküldte a jegyzeteit az MI-nek, hogy sűrítse össze. Ezek a jegyzetek bizalmas stratégiai és ütemtervi részleteket tartalmaztak.

3. incidens — Adatbázis-lekérdezés. Egy harmadik munkatárs segítséget kért egy lassú lekérdezéshez. Megosztotta az adatbázis struktúráját és a lekérdezési logikát. Ez a logika saját fejlesztésű sémákra és üzleti szabályokra hivatkozott.

Három incidens. Három nyilvánosságra kerülés. Egy hónap.

Miért tették meg az alkalmazottak

A három személy egyike sem járt el gondatlanul. MI-eszközt használtak olyan feladatokra, amelyekre az MI-eszközöket fejlesztik. Kódfelülvizsgálat. Szövegösszefoglalás. Lekérdezésoptimalizálás. Minden feladat legitim volt.

A hiányzó elem egy technikai gát volt. Semmilyen rendszer nem blokkolta a beküldést, mielőtt az külső szerverre ért. Semmilyen szűrő nem fogta meg a saját fejlesztésű azonosítókat, mielőtt elhagyták a hálózatot. Semmi sem állt az alkalmazott valódi szükséglete és a külső szolgáltatás között.

Létezett egy irányelv-figyelmeztetés. De a figyelmeztetés nem gát. A véletlen hiba kockázata elvont és távoli volt. A termelékenységi előny valós és azonnali. A racionális dolgozók a termelékenységet választották.

Az eredmény kiszámítható volt. Három incidens harminc nap alatt. Háromszor szivárgott szellemi tulajdon. Egy vállalati válság, amely iparágszerte tiltásokat váltott ki.

Az iparági reakció

A Samsung gyorsan cselekedett. Megvonta az MI-eszközhöz való hozzáférést a vállalati eszközökön.

Más szervezetek követték a példát. A korlátozásokat bejelentők között volt a Bank of America, a Citigroup, a Goldman Sachs, a JPMorgan Chase, az Apple és a Verizon. A pénzügyi szektor reagált a leggyorsabban. A nagy bankok és technológiai cégek ugyanarra a következtetésre jutottak. A technikai kontrollok nélküli MI-eszközök elfogadhatatlan megfelelőségi kockázatot jelentenek.

Mindegyikük ugyanarra a megállapításra jutott. Nem az alkalmazottak a probléma. A szabályzati figyelmeztetések nem elegendők. Az adatok azért hagyták el a vállalati hálózatokat, mert semmi sem állította meg őket. A szabályzat önmagában nem tud technikai gátat teremteni.

A 71,6%-os megkerülési arány

A tiltási megközelítésnek mért kudarcmutatója van. A LayerX 2025-ös kutatása szerint a vállalati MI-tiltás hatálya alá eső alkalmazottak 71,6%-a folytatta az MI-eszközök használatát. Személyes fiókokat vagy személyes eszközöket vett igénybe.

Az ok egyszerű. Amelyik eszköz valódi értéket nyújt, azt használják. Az emberek inkább megoldást keresnek, mintsem lemondjanak róla. Az MI a feladatok elvégzési idejét felére csökkentheti. Egy szabályzati figyelmeztetés nem változtatja meg ezt a számítást. A munkások személyes telefonról vagy laptopról jelentkeznek be. A biztonsági csapatok nem látják azt a forgalmat.

A gyakorlati eredmény a legrosszabb eset. A vállalati adatok továbbra is eljutnak az MI-szolgáltatókhoz. De most olyan csatornákon folynak, amelyeken nincs felügyelet. A vállalati eszközforgalom legalább naplózható volt. A személyes fiókhasználat láthatatlan.

A Samsung három incidensei vállalati eszközökön történtek. Azok az alkalmazottak, akik megkerülik a tiltást, ugyanezt teszik. Munkaadatokat küldenek az MI-modelleknek. De most olyan csatornákon keresztül, amelyeken nincs vállalati láthatóság.

A gyökérokot kezelő technikai megoldás

A Samsung incidenseit nem gondatlan emberek okozták. Egy olyan architektúra okozta, amelynek nem volt elfogási rétege. Semmi sem volt az alkalmazott promptja és a szállító szervere között.

A Model Context Protocol (MCP) architektúra betölti ezt a rést. Átlátható proxyt helyez az adatáramlás útjába. A Claude Desktop-ot vagy a Cursor IDE-t használó fejlesztők az elsődleges célközönség. Pontosan ezek az eszközök szolgáltak alapul a Samsung első incidensét megalapozó hibakeresési típusú munkához. Az MCP-szerver mindkettő protokollútvonalán belül ül.

Mielőtt bármilyen szöveg eléri az MI-modellt, az MCP-szerver egy anonimizálási lépésen futtatja át. A forráskódot megvizsgálják a saját fejlesztésű azonosítókra. A függvényneveket, a változóneveket és az API-végpontokat strukturált tokenek váltják fel. Az adatbázisséma részletei és a konfigurációs értékek szintén kicserélődnek. A csere még azelőtt megtörténik, hogy a kód elhagyná a hálózatot.

Egy saját fejlesztésű kódot hibakereső fejlesztő az MCP-kliensen keresztül küldi el a kódot. Az érzékeny azonosítók már ekkorra tokenek. Az MI-modell továbbra is segít a hibakeresési feladatban. A tényleges saját fejlesztésű részletek sosem jutnak el a szállító szervereihez.

Az 1. incidens technikailag lehetetlenné válik. A forráskód már anonimizálva hagyja el a hálózatot. A mérnök megkapja a szükséges segítséget. A szellemi tulajdon a vállalat ellenőrzése alatt marad.

Ugyanez a logika vonatkozik a 2. incidensre. A böngészőalapú eszközökkel végzett értekezlet-összefoglalást a Chrome bővítmény és vállalati vezérlői kezelik. A 3. incidenst az MCP-anonimizálás fedi le bármely MI-kódolási felületen.

Tiltások kontra technikai kontrollok

Azoknak az eszközöknek a tiltása, amelyeket az alkalmazottak 71,6%-a már amúgy is megkerül, nem csökkenti a kockázatot. Láthatatlan csatornákra helyezi át.

A böngészős DLP-eszköz összehasonlítása az elfogási lehetőségeket tárgyalja böngészőalapú MI-használat esetén. Az anonimizálást más DLP-termékekkel összevető szervezetek számára a Nightfall vs. anonym.legal összehasonlítás közvetlenül tárgyalja a blokkolás és az anonimizálás közötti kompromisszumot.

A Samsung incidensek egy korai jelzés volt. A gyökérok egy hiány volt. Nincs elfogási réteg. Nincs technikai kontroll. Ez a rés ma már betölthető. A kérdés az, hogy a vállalatok bevezetik-e a megoldást, vagy továbbra is olyan tiltásokra támaszkodnak, amelyeket az alkalmazottak többsége már amúgy is megkerül.

Források

Készen áll az adatai védelmére?

Kezdje el a PII anonimizálását 285+ entitástípuson 48 nyelven.

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.