Meta Muse被曝隐私漏洞：一次查询可搜数千对话

编者按：当AI助手越来越深入日常工作，对话中往往包含项目计划、客户信息、代码片段乃至商业谈判细节。Meta Muse此次暴露的问题再次提醒我们，分享功能的设计稍有不慎，就可能把私密对话变成公开索引。

一次查询，数千条对话浮出水面

据Ars Technica报道，Meta旗下AI产品Muse在用户分享对话时存在严重隐私缺陷。用户只要执行一次查询，就能找到数千条按标题列出的对话记录。这意味着，原本仅在特定用户之间分享的内容，可能因为分享机制的设计而进入可被检索的公开范围。

“A single query is all that's required to find thousands of conversations listed by title.”——Ars Technica

报道指出，这些对话不仅包含个人隐私，还可能暴露商业机密。对话标题往往概括了讨论主题，例如“Q4预算规划”“客户合同条款”“产品路线图”等，仅凭标题就能让攻击者锁定高价值目标。

分享功能为何变成泄露通道？

AI对话分享通常允许用户生成链接，将对话内容发送给同事或朋友。问题在于，如果平台将分享内容纳入可搜索索引，且未对访问权限做严格校验，那么任何知道查询方法的人都能发现这些对话。此次事件中，标题列表成为泄露入口，说明平台在分享内容的可见性控制上存在缺陷。

更值得警惕的是，AI对话天然包含上下文。用户可能不会逐条检查对话中是否夹带敏感信息，而分享操作又往往只需点击一次。平台若默认将分享内容设为“可发现”，就会放大误操作后果。

AI对话正在成为机密数据的新载体

随着生成式AI进入企业场景，员工越来越习惯把会议纪要、法律文本、财务数据甚至源代码粘贴给AI助手处理。这些对话记录因此成为高价值数据集合。一旦被批量检索，攻击者可以拼接出企业内部信息，甚至发起定向钓鱼或商业间谍活动。

行业此前已多次出现类似问题：聊天机器人对话被搜索引擎收录、AI训练数据泄露用户隐私、分享链接被暴力枚举等。Meta Muse事件并非孤例，而是AI产品快速迭代中隐私设计滞后的又一案例。

平台责任与用户防护

对于Meta而言，需要尽快修复分享内容的索引与访问控制逻辑，并对已公开的对话进行清理。默认设置应遵循“最小可见”原则：分享链接不应被搜索引擎收录，访问者应经过身份验证，标题和内容应支持脱敏。

对用户来说，在分享AI对话前应检查是否包含姓名、邮箱、合同编号、密钥等敏感信息，尽量避免通过公开链接分享工作对话。企业则应将AI助手纳入数据安全策略，限制敏感信息输入，并定期审计分享记录。

编者按：技术创新不能以牺牲隐私为代价。Meta Muse的教训说明，分享功能在提升协作效率的同时，必须把访问控制、默认私密和用户提示做在默认路径上。否则，一次简单的查询就可能让数千条私密对话暴露在阳光之下。

本文编译自Ars Technica。