anonym.legal

By · Last updated 2026-03-13

Terug naar BlogAI Beveiliging

Samsung Verloor Drie Keer Broncode aan ChatGPT

Drie afzonderlijke Samsung-engineeringteams plakten in april 2023 propriëtaire code en vertrouwelijke gegevens in ChatGPT. Elk incident onthulde een ander falen. Hier leest u de volledige analyse.

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

Bijgewerkt voor 2026

Drie Teams, Drie Lekken, Één Maand

In april 2023 onthulde Samsung Semiconductor drie afzonderlijke incidenten. Drie verschillende teams hadden binnen één maand propriëtaire gegevens naar een AI-chatbot gestuurd.

Incident 1 — Broncode. Een software-engineer debugde apparaatcode. Hij plakte propriëtaire halfgeleiderbroncode in de chat. De code bevatte productie-IP.

Incident 2 — Vergadernotities. Een medewerker maakte een samenvatting van een vergadering en diende de notities in bij de AI. Die notities bevatten vertrouwelijke strategische details.

Incident 3 — Databasequery. Een derde medewerker wilde hulp met een trage query en deelde de databasestructuur en querylogica, inclusief propriëtaire schema's en bedrijfsregels.

Waarom de Medewerkers Het Deden

Niemand van de drie handelde onzorgvuldig. Ze gebruikten een AI-tool voor taken waarvoor AI-tools zijn gemaakt: code-review, tekstsamenvatting, query-optimalisatie. Elke taak was legitiem.

Het ontbrekende element was een technische stop. Geen enkel systeem blokkeerde de indiening voordat het een externe server bereikte.

Een beleidswaarschuwing bestond. Maar een waarschuwing is geen barrière. Het risico op een ongeluk was abstract en ver weg. Het productiviteitsvoordeel was reëel en direct.

De Industriële Reactie

Samsung reageerde snel en beperkte AI-tool-toegang op zakelijke apparaten.

Andere organisaties volgden: Bank of America, Citigroup, Goldman Sachs, JPMorgan Chase, Apple en Verizon kondigden allemaal beperkingen aan.

De 71,6% Omzeilingsratio

LayerX-onderzoek van 2025 vond dat 71,6% van de medewerkers die aan enterprise AI-verboden zijn onderworpen, AI-tools bleven gebruiken via persoonlijke accounts of apparaten.

Het praktische resultaat is het slechtste geval: zakelijke gegevens bereiken nog steeds AI-providers, maar nu via kanalen zonder bedrijfstoezicht.

De Technische Fix

Model Context Protocol (MCP) architectuur vult de gap. Het plaatst een transparante proxy in het datapad. Voordat tekst de AI-provider bereikt, verwijdert de MCP Server propriëtaire identificatoren.

Een ontwikkelaar die propriëtaire code debugt, stuurt code via de MCP-client. De gevoelige identificatoren zijn al tokens. De AI helpt nog steeds met de debug-taak. De werkelijke propriëtaire details bereiken de servers van de leverancier nooit.

Bekijk de MCP Server-pagina en Chrome-extensiepagina.

Bronnen

Gerelateerde Artikelen

AI Beveiliging

AI Coding Assistants Leak Production PII

Unit test fixtures with real customer records. Log files with production data for debugging. GitHub found 39 million secrets leaked in 2024.

AI Beveiliging

Internal Wiki PII: Confluence Customer Data

Support teams document processes with screenshots of customer accounts. Over 3 years, that's thousands of GDPR data minimization violations in your.

AI Beveiliging

Screenshot PII: Leaks in Internal Tools

Slack, Teams, Jira, and email regularly receive screenshots containing customer PII. This access-control violation bypasses every DLP tool.

Klaar om uw gegevens te beschermen?

Begin met het anonimiseren van PII met 285+ entiteitstypen in 48 talen.

Start Gratis ProefperiodeBekijk Kenmerken

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.