Een AI-tool kan van een beschrijving in gewone taal in één middag een werkende webapp maken. Een beveiligingsbedrijf uit Hamburg zegt dat bij een zorgwekkend aantal van die apps de voordeur niet op slot zat: een forum had meer dan 200.000 leesbare chatberichten en een dienstverlener liet paspoortnummers zien.
Het onderzoek verscheen op 14 november op Hacker News, waar het op de ochtend van 15 november al meer dan 700 punten had. Hier lees je wat er echt is gevonden, wat niet is bewezen, en een checklist om je app dicht te zetten als je er een hebt gebouwd (of gaat bouwen) met een AI-appbouwer.
Wat de onderzoekers deden
Crissy Field, een Duits bedrijf voor applicatiebeveiliging, werkte samen met de zakenkrant Handelsblatt, die de eerste bevindingen op 2 november 2026 publiceerde. Volgens het eigen verslag van het bedrijf gebruikte het het open webarchief Common Crawl om 159.041 projecten te vinden die waren gebouwd met Lovable, een AI-appbouwer, en tussen december 2025 en september 2026 waren gepubliceerd.
Daarna richtten ze zich op Supabase, een databasedienst die volgens de onderzoekers het meest wordt gebruikt in Lovable-projecten. Van de 159.041 projecten gebruikten er 34.545 deze dienst.
Ze bekeken wat elke site bij het laden doorgaf en deden daarna extra alleen-lezen-verzoeken met dezelfde API-sleutel.
De cijfers, zorgvuldig gelezen
Koppen halen deze cijfers door elkaar, dus hier staan ze op volgorde:
| Stap | Aantal |
|---|---|
| Onderzochte Lovable-projecten | 159,041 |
| Daarvan met Supabase | 34,545 |
| Sites die bij het laden databaserecords stuurden, zonder inloggen | 24,664 |
| Daarvan sites met records met e-mailadressen | 7.403 (ongeveer 30%) |
Twee kanttekeningen komen rechtstreeks uit het rapport. Records versturen bij het laden is op zich ‘geen beveiligingsprobleem’, omdat de gegevens bedoeld kunnen zijn om openbaar te zijn. En het cijfer van 30% ‘moet daarom niet worden gelezen als een bevestigd percentage datalekken’, omdat e-mailadressen openbare contactadressen of testgegevens kunnen zijn.
De steekproef is bovendien niet representatief voor alle Lovable-apps. De onderzoekers konden niet zeggen of blootgestelde gegevens zijn misbruikt.
Wat er gewoon openlag
Het rapport noemt concrete gevallen, elk van één beheerder en niet van de hele groep:
- Een Duits lifestyleforum liet meer dan 80.000 profielen (namen, e-mailadressen, geboortedata, geslacht) en meer dan 200.000 chatberichten openliggen.
- Evenementenorganisatoren en restaurants lieten tienduizenden records van ticket- en maaltijdverkopen openliggen, met telefoonnummers, adressen, betaalgegevens en ticketcodes.
- Eén dienstverlener liet meer dan 1.000 records met gegevens van identiteitsbewijzen openliggen: paspoortnummers, vervaldata en nationaliteiten.
- Elders: contracten, facturen, fotoalbums, interne WhatsApp-communicatie en 280.000 e-mails die naar de klanten van één aanbieder waren gestuurd.
De onderzoekers haalden maar een deel van de datasets op, dus de echte aantallen kunnen hoger zijn. Hoe je bij de gegevens komt, hebben ze niet gepubliceerd.
Waarom dit gebeurt
Het rapport wijt het aan fouten in toegangscontrole en merkt op dat die ‘in elke applicatie kunnen voorkomen, of die nu door mensen is geschreven of met AI is gebouwd’. Techzine noemt slecht geconfigureerde Supabase-databases als oorzaak.
Het venijn zit in de herhaling. De database-integraties van Lovable volgen terugkerende patronen, dus een configuratiefout die bij één app werkt, kan bij veel apps werken.
Het rapport wijst ook op een kloof tussen de marketing van Lovable, die benadrukt dat je geen technische kennis nodig hebt, en de algemene voorwaarden, die de verantwoordelijkheid voor de app en de gegevens bij de klant leggen. Volgens het rapport heeft Handelsblatt Lovable met de bevindingen benaderd. Geen van de pagina’s die voor dit artikel zijn gebruikt, beschrijft een reactie, dus kijk in de eigen kanalen van Lovable of er een reactie is.
Checklist om AI-gebouwde apps dicht te zetten
De documentatie van Supabase omschrijft Row Level Security (RLS, beveiliging op rijniveau) als ‘fijnmazige autorisatieregels die binnen de database draaien’. Ook waarschuwt die dat een tabel in een blootgesteld schema zonder RLS ‘leesbaar en schrijfbaar is voor elke rol met een grant erop’.
Deze stappen komen uit de eigen documentatie van Supabase en Lovable. Voer SQL alleen uit op een project dat van jou is, het liefst eerst op een testkopie.
- Zet RLS aan voor elke tabel met gebruikersgegevens:
alter table public.reports enable row level security;
Met RLS aan en zonder policies is volgens Supabase via de API met een publishable key geen enkele data bereikbaar.
- Snoei de grants. Supabase merkt op dat in bestaande projecten nieuwe tabellen in
publicstarten met alle rechten vooranon,authenticatedenservice_role. Het voorbeeld:
revoke all on table public.reports from anon, authenticated;
grant select, insert, update, delete on table public.reports to authenticated;
- Schrijf policies per gebruiker. Met het voorbeeld van Supabase kan een ingelogde gebruiker alleen zijn eigen profiel lezen:
create policy "Users can view their own profile."
on profiles for select
to authenticated
using ( (select auth.uid()) = user_id );
Vermijd to anon using ( true ), tenzij de gegevens openbaar horen te zijn.
- Houd geheime sleutels uit de browser. Supabase zegt: ‘Gebruik nooit een secret key in de browser en stel die nooit bloot aan klanten.’ De documentatie van Lovable voegt toe dat je sleutels niet hard in je frontendcode moet zetten: bewaar ze in Secrets en roep externe API’s aan vanuit servercode.
- Draai de scans van Lovable. Volgens de documentatie van Lovable draait de Quick security scan bij elke publicatie en markeert die tabellen zonder beveiliging op rijniveau en regels die iedereen doorlaten. De Deep security scan controleert ook de applicatiecode. Policies bekijk je via More, dan Database, dan Manage, dan Policies. De documentatie zegt niet of deze scans ook een apart gekoppeld Supabase-project dekken, dus controleer RLS in Supabase zelf.
- Ken de grenzen van je abonnement. De scan op gevoelige gegevens van Lovable, die bijvoorbeeld paspoorten kan herkennen, vereist een Enterprise-abonnement en scant geen externe of zelf gehoste bronnen.
- Controleer opnieuw na grote wijzigingen en laat een mens meekijken voordat er echte klantgegevens in gaan. Volgens het rapport zijn automatische controles ‘geen vervanging voor een professionele beveiligingsbeoordeling’. Ook de documentatie van Lovable zegt dat de tools geen volledige veiligheid kunnen garanderen.
Als je een kleine app hebt gebruikt die getroffen kan zijn
Het rapport noemt geen getroffen apps, dus uit het onderzoek kun je niet opmaken of een bepaalde site openlag. Wel staat erin dat dit soort blootgestelde gegevens kan worden gebruikt voor phishing, ticketfraude of identiteitsdiefstal. Laat een bedrijf je weten dat je gegevens zijn uitgelekt, dan is onze gids over wat je doet in de eerste 24 uur na een datalekmelding het beginpunt, en met alle accounts vinden die jouw gebruikersnaam gebruiken zie je waar je gegevens nog meer kunnen staan.
Wat er nu gebeurt
Op 15 november 2026 is het onderzoek pas een paar dagen oud. Open vragen zijn hoeveel getroffen apps inmiddels zijn gerepareerd en of Lovable gaat reageren. Het onderzoek keek niet naar de nieuwere eigen databasefuncties van Lovable, die zijn dus nog niet getest.
Bronnen
Links voor het laatst gecontroleerd op 15 november 2026.





Schrijf een reactie