Uit onderzoek van Wiz Research blijkt dat ontwikkelaars massaal gevoelige gegevens, waaronder logins en hr-informatie, publiceren in publieke code repositories. In een scan van een maand stuitte Wiz op honderden blootgestelde datasets, afkomstig van tientallen organisaties, waaronder meerdere Fortune 100-bedrijven. Volgens de onderzoekers laat dit zien dat de beveiliging achterblijft bij de snelle adoptie van AI-tools.
Wiz onderzocht hoe organisaties omgaan met securityrichtlijnen in het huidige AI-landschap. Bij twintig procent van de bekeken bedrijven werd gevoelige of vertrouwelijke informatie gevonden in openbare opslag. In totaal identificeerde het team data van dertig verschillende organisaties, waarvan een derde gerelateerd was aan persoonlijke projecten van medewerkers. Van alle gelekte vertrouwelijke informatie had 40 procent directe impact op de getroffen organisaties, bijvoorbeeld doordat toegang tot hr-gegevens mogelijk was.
Een opvallende bevinding is dat meer dan de helft (56 procent) van de blootgestelde data in persoonlijke opslagomgevingen van medewerkers stond, en niet op bedrijfsomgevingen. Dit verschijnsel, ook wel ‘adjacent discovery’ genoemd, benadrukt volgens Wiz het risico dat gevoelige informatie onbedoeld buiten de formele IT-omgeving terechtkomt.
AI-specifieke risico’s
AI-gerelateerde gegevens vormen het grootste deel van de gevonden lekken. Vier van de vijf meest aangetroffen bestandstypen hangen samen met AI-toepassingen. Wiz wijst drie belangrijke aanvalsroutes aan:
• Python-notebooks (.ipynb) blijken vaak een bron van gevoelige gegevens, doordat ze uitvoerbare code, resultaten en documentatie combineren.
• Configuratiebestanden voor AI-agents, zoals mcp.json en .env, bevatten regelmatig hardcoded authenticatiegegevens. Vooral ontwikkelaars die AI-code-assistenten inzetten, blijken kwetsbaar door een gebrek aan kennis over best practices.
• Nieuwe vertrouwelijke gegevensformaten die AI-leveranciers introduceren, worden vaak niet herkend door bestaande detectietools. Daardoor ontstaan blinde vlekken in de beveiliging.
Daarnaast signaleren de onderzoekers dat authenticatiegegevens voor Chinese AI-platformen relatief vaak lekken en vaak onopgemerkt blijven, terwijl Westerse platformen sneller door scanners worden opgepikt.
Volgens Rami McCarthy, principal security researcher bij Wiz, laat het rapport zien hoe dringend scherpere beveiligingsrichtlijnen nodig zijn: “Nu AI een standaard hulpmiddel wordt voor ontwikkelaars, is het duidelijk dat standaardbeveiliging de norm moet worden en niet de uitzondering. We hopen dat deze bevindingen proactieve gesprekken op gang brengen tussen beveiligings- en engineeringteams en dat organisaties sneller overstappen op slimmere tools en werkwijzen om zich beter te beschermen.”
