145 个 AI 搭建的应用中有 16 个权限配置有问题
作者静态审查了 145 个 Supabase 应用的公开代码,在 16 个应用中发现严重配置问题,常见情况是开启行级安全后仍使用过于宽松的策略。检查范围包括迁移文件、数据库结构和配置,未对线上服务进行探测。
AI 深度解读
作者检查了 145 个近期发布、用 AI 辅助构建的 Supabase 应用,大多数用 Next.js。他在 16 个应用的公开代码里发现至少一处严重的安全配置问题,占 11%。其中 13 个应用虽然开了行级安全,策略却给了用户过宽的权限。
对前端和全栈开发来说,这篇最实用的地方是提供了一个验收思路:自己的账号能读到订单,只验证了功能可用。再用第二个账号跑一遍,才知道账号之间有没有隔离。
为什么开了 RLS,登录用户还是能读别人的订单
Supabase 的行级安全(Row Level Security,RLS)可以按行决定谁能读写数据。下面这段是作者发现的订单策略,它让有相应表权限的登录用户通过所有行级检查。
CREATE POLICY "allow_all" ON orders
FOR ALL TO authenticated
USING (true) WITH CHECK (true);
最后一行的两个 true 都没有检查数据归属。USING 用来判断已有行是否能被当前操作访问,WITH CHECK 用来判断插入或更新后的行是否允许写入。这里的 FOR ALL 把策略应用到了所有操作,TO authenticated 则把适用角色指定为登录用户。
作者还看到了只在读取时放行的 FOR SELECT USING (true),以及写入时直接用 WITH CHECK (true) 的变体。具体能更新哪些已有行,还得看 USING 和其他适用策略。省略 TO 时,策略默认适用于 PUBLIC,也涵盖匿名角色。匿名请求能否实际访问,还取决于该角色有没有相应的表权限。受影响的表包括订单、客户资料、CRM 数据、贷款记录和用户档案。
作者对成因的解释是,AI 编程工具遇到权限错误时,宽松策略能迅速让查询恢复,演示也能通过。这个开发循环验证了「该成功的请求能成功」,却漏掉了「该拒绝的请求会被拒绝」。
.env.example 里的值也可能是凭据
另外 3 个应用的问题出在凭据处理。两份 .env.example 包含格式像真实凭据的值,涉及认证、Webhook、定时任务,以及带密码的数据库 URL。还有一个应用把密钥默认值硬编码在配置里,生产环境是否会用到它,取决于部署时有没有覆盖。作者只看了公开代码,未验证这些值是否仍然有效。
这批样本里,作者发现前端代码携带 service_role 密钥的案例为 0。即便前端使用的是公开的 anon key,订单能否做到按账号隔离,仍然要看数据库权限和 RLS 策略。排查凭据时也要翻 Git 历史。真实密钥一旦进过公开提交,就应轮换,删除当前版本的文件无法收回已经公开的值。
我的判断
这次审查覆盖迁移文件、schema 导出和配置,没有探测线上服务,也没有验证部署数据库与仓库里的策略是否一致。11% 是这批公开代码样本的发现比例,不能当成所有 AI 构建的 Supabase 应用的漏洞率。至于 AI 是否比人工开发更容易写出宽松策略,原文没有对照组,关于成因的解释是经验之谈。作者也披露了自己经营提供安全检查的 CapsAGI。
我会把 true 当成审查线索。公开目录可能就需要允许所有人读取,订单这类按用户隔离的数据则需要核对策略有没有检查归属。静态检查适合定位具体策略,用第二个账号测试则能验证应用在真实用户权限下会返回什么。两种检查回答的是不同的问题。
能拿来做什么
- 审查 Supabase 迁移时,可以从 Table Editor → 对应表 → RLS policies 入手,也可以执行下面的 SQL,一次列出
publicschema 的策略条件。
SELECT policyname, cmd, qual, with_check FROM pg_policies WHERE schemaname = 'public';
核对这条语句里的 qual 和 with_check,分别找出无条件放行的访问条件和写入检查,再结合策略对应的操作判断。
- 在自己的应用里建两个测试账号,用第二个账号登录,带着它的会话和应用公开的
anonkey 查询用户或订单数据,确认第一个账号的记录没有被返回。 - 让 AI 修复权限报错时,在验收条件里加一句「当前账号能访问自己的记录,另一个账号访问同一条记录时应被拒绝」,并用两个账号各跑一遍。
- 在仓库和历史提交里搜索
SERVICE_ROLE、SECRET,以及.env*文件中像真实凭据的值。确认有真实密钥进入过公开提交后,轮换该密钥。