Lovable ऐप्स पासपोर्ट विवरण और 2 लाख से अधिक निजी संदेश उजागर करते हैं

AI-संचालित no-code platform Lovable आलोचना में है, क्योंकि शोध में पाया गया कि उस पर बने हजारों ऐप्स ने संवेदनशील user data, including passports, emails and private messages, को misconfigured Supabase row-level security और client-side database access के कारण उजागर किया। टिप्पणीकारों का कहना है कि यह AI की कोई नई विफलता कम और पुरानी उद्योग समस्याओं का तेज़ी से बढ़ना ज़्यादा है: insecure defaults, “move fast” culture, और जटिल security जिम्मेदारियों को non-technical users पर डालना, जबकि प्रचार यह करता है कि “no coding” की ज़रूरत है। कई लोग सख़्त liability, safer-by-default architectures, और ऐसे platforms की मांग करते हैं जो critical privacy flaws वाले apps को deploy ही न करने दें, खासकर तब जब AI tools vulnerable code भी generate करते हैं और exploitation को भी आसान बनाते हैं।

Lovable / Supabase एक्सपोज़र का दायरा

  • 159k Lovable प्रोजेक्ट्स का विश्लेषण, जिनमें ~34k Supabase का उपयोग कर रहे थे; ~24k ने पेज लोड पर बिना auth के DB रिकॉर्ड लोड किए।
  • 10k टेबल्स में, लगभग 7.4k साइट्स पर ईमेल पते मिले; एक LLM-आधारित classifier ने लगभग 4k साइट्स को privacy‑sensitive डेटा लीक करती हुई माना (~16% Lovable+Supabase साइट्स)।

  • शोधकर्ता ज़ोर देते हैं कि कमजोरियाँ शोषण के लिए बेहद साधारण थीं (basic network inspection, simple extra queries), advanced hacking नहीं।

जिम्मेदारी: Platform बनाम Database बनाम App Owners

  • कई लोग मानते हैं कि Lovable की बड़ी जिम्मेदारी है: यह “no technical knowledge needed” का प्रचार करता है, फिर भी security liability से खुद को अलग करता है और non‑technical users को जटिल Supabase/RLS pitfalls के सामने छोड़ देता है।
  • अन्य लोग बताते हैं कि औपचारिक रूप से app owners ही GDPR के तहत controllers हैं और उन्होंने खराब विकल्प चुने (उदा. ऐसे platform पर passports collect करना)।
  • Supabase की आलोचना इसके ऐतिहासिक रूप से insecure defaults के लिए होती है (front-end anon keys के साथ broad access, RLS की जटिलता, rate limiting नहीं), जिन्हें misconfigure करना आसान है, खासकर “vibe coders” के लिए।

AI, “Vibe Coding,” और Software Quality

  • कई लोग इसे AI‑assisted “vibe coding” का प्रतीक मानते हैं: ऐसे लोगों द्वारा polished apps जो auth/authorization नहीं समझते, जिससे attack surface बहुत बढ़ जाता है।
  • दूसरे लोग ज़ोर देते हैं कि ये पुराने cultural/incentive problems हैं (“move fast,” growth-first) जिन्हें AI ने बस और बढ़ा दिया है।
  • कुछ लोग AI का बचाव करते हैं कि यदि अनुभवी engineers अच्छे governance के साथ इस्तेमाल करें तो यह एक शक्तिशाली tool है; समस्या यह है कि AI को उस expertise के replacement की तरह माना जाता है।

Security Culture, Liability, और Regulation

  • कई टिप्पणियाँ सख़्त liability और GDPR enforcement की मांग करती हैं: भारी जुर्माने, users के लिए आसान compensation, और repeat offenders के लिए संभवतः “corporate death penalties।”
  • अन्य लोग निराशावादी हैं: users abuse सहते हैं, companies KPIs के लिए optimize करती हैं, और केवल catastrophic incidents ही असली regulation को प्रेरित कर सकती हैं।

Researcher Ethics और Legality

  • इस पर बड़ा विवाद है कि हजारों tables का sampling “proof of concept” से आगे बढ़कर legally risky “mass exfiltration” बनता है या नहीं।
  • एक पक्ष: केवल minimal pages fetch किए गए, data deleted किया गया, lawyer से सलाह ली गई; blast radius quantify करने के लिए यह आवश्यक था।
  • विरोधी पक्ष: once you download more than needed to show a hole, you’ve created an additional breach and legal exposure under regimes like GDPR; independent researchers should earlier stop करें या contract/NDAs के तहत काम करें।
  • कोई consensus नहीं; lawfulness और best practice contested हैं और jurisdiction पर निर्भर हैं।