SpaceXAI च्या Grok Build AI कोडिंग टूलवर संशोधकांनी वापरकर्त्यांच्या संपूर्ण रिपॉझिटरीज (repositories) Google Cloud स्टोरेजवर अपलोड होत असल्याचे शोधल्यानंतर टीका झाली आहे. या डेटा ब्रीचमुळे (breach) AI असिस्टंट्स किती प्रमाणात मालकीचा (proprietary) डेटा गोळा करू शकतात आणि साठवून ठेवू शकतात, याबद्दल चिंता निर्माण झाली आहे.

अतिप्रमाणात डेटा साठवणूक आणि सुरक्षा धोके

Cereblab च्या विश्लेषणानुसार, Grok Build कमांड-लाइन इंटरफेस (CLI) संपूर्ण कोडबेस पॅक करून क्लाउडवर पाठवत असे. अधिक चिंताजनक बाब म्हणजे, ज्या फाईल्सकडे दुर्लक्ष करण्यास सांगितले होते, हे टूल त्या फाईल्स उघडत असे आणि डेव्हलपर्सनी git history मधून काढून टाकलेले सीक्रेट्स (secrets) देखील शोधून काढत असे.

डेटा साठवण्याचे हे प्रमाण Claude Code सारख्या स्पर्धकांच्या तुलनेत खूपच जास्त आहे. King’s College London येथील सुरक्षा संशोधक डॉ. Lukasz Olejnik यांनी इशारा दिला आहे की, अशा प्रकारच्या डेटा संकलनामुळे सोर्स कोड, इन्फ्रास्ट्रक्चर डायग्राम्स, त्रुटी (vulnerabilities) आणि क्रेडेंशियल्स (credentials) रिमोट सर्व्हर्सवर उघड होऊ शकतात.

SpaceXAI आणि Elon Musk कडून प्रतिसाद

SpaceXAI ने अपलोड फिचर बंद केले आहे. संशोधकांना आता Grok च्या सर्व्हर्सवर disable_codebase_upload: true फ्लॅग दिसत आहे, ज्यामुळे हे स्पष्ट होते की ऑटोमॅटिक पुश आता कार्यरत नाही.

Elon Musk यांनी X वर पोस्ट केले की, यापूर्वी अपलोड केलेला सर्व डेटा "पूर्णपणे आणि सर्वस्वी हटवला जाईल." त्यांनी वापरकर्त्यांना "debugging issues" साठी SpaceXAI ला डेटा ठेवू देण्याची विनंती देखील केली, जी विनंती अनेकांना परस्परविरोधी वाटते.

कंपनीने डेटा साठवणूक व्यवस्थापित करण्यासाठी /privacy CLI कमांड सुचवली, परंतु Cereblab ने नमूद केले की ही कमांड केवळ प्रति-सत्र (per-session) स्टोरेज नियंत्रित करते—यामुळे रिपॉझिटरीच्या पद्धतशीर अपलोडला थांबवता येत नाही, ज्यामुळे हा वाद निर्माण झाला होता.

डेव्हलपर्स आणि उद्योगांसाठी (Enterprises) हे का महत्त्वाचे आहे

ही घटना डेव्हलपर्स आणि उद्योगांना इशारा देते की AI-चालित कोडिंग एजंट्स आता केवळ साधे autocomplete टूल्स उरले नाहीत; ते स्वतःहून कोड वाचू शकतात, बदलू शकतात आणि कमिट (commit) करू शकतात. जेव्हा एखादा एजंट 'ignore' फाईल्स बायपास करतो किंवा हटवलेले सीक्रेट्स पुन्हा शोधून काढतो, तेव्हा "zero data retention" चा कोणताही दावा केवळ UI वचनांनी नाही, तर तांत्रिक चाचण्यांद्वारे सिद्ध केला पाहिजे.

CTOs आणि प्रॉडक्ट ओनर्ससाठी, ही घटना खालील गोष्टींची गरज अधोरेखित करते:

  • रिअल कोडबेसवर AI टूल्सचे स्वतंत्र ऑडिट (Independent audits).
  • डेटा हाताळणी, साठवणुकीचा कालावधी आणि डिलीशनची खात्री देणारे करारविषयक क्लॉज (Contractual clauses).
  • फाईल-स्तरीय परवानग्या लागू करणारे रनटाइम सेफगार्ड्स (Runtime safeguards), विशेषतः क्रेडेंशियल्स किंवा पेटंट केलेले अल्गोरिदम असलेल्या रिपॉझिटरीजसाठी.

मुख्य निष्कर्ष (Key Takeaways)

  • अनपेक्षित डेटा स्कोपिंग (Unintended Data Scoping): Grok Build ने प्रतिबंधित फाईल्स आणि हटवलेले सीक्रेट्ससह संपूर्ण रिपॉझिटरीज Google Cloud वर अपलोड केल्या.
  • निवारण स्थिती (Mitigation Status): SpaceXAI ने ऑटोमॅटिक अपलोड बंद केले आणि आधीच गोळा केलेला डेटा पुसून टाकण्याचे वचन दिले.
  • सुरक्षेचे परिणाम (Security Implications): हा डेटा ब्रीच AI कोडिंग एजंट्समधील अतिप्रमाणात डेटा साठवण्याच्या धोक्यावर प्रकाश टाकतो, ज्यामुळे मालकीचा लॉजिक आणि क्रेडेंशियल्स लीक होऊ शकतात.

SpaceXAI चे Grok Build टूल वापरकर्त्यांचे संपूर्ण कोडबेस गुपचूप Google Cloud वर अपलोड करताना आढळले, ज्यामुळे मालकीचे सोर्स फाईल्स आणि हटवलेले सीक्रेट्स उघड झाले.

काय घडले

Cereblab ने Grok Build CLI च्या नेटवर्क ट्रॅफिकचा मागोवा Google Cloud बकेटपर्यंत घेतला आणि असे आढळले की ते अपलोड करण्यासाठी पूर्ण git रिपॉझिटरीज आपोआप पॅकेज करत होते. थोडक्यात सांगायचे तर, ज्या डेटाकडे दुर्लक्ष करण्यास सांगितले होते, तोच डेटा असिस्टंटने खेचून घेतला.

डेटा ब्रीचचा शोध कसा लागला

संशोधकांनी पेलोड्सची (payloads) तपासणी केली आणि पाहिले की अपलोड फ्लॅग डीफॉल्टनुसार सुरू होता आणि कोणताही ग्लोबल ऑप्ट-आउट (opt-out) पर्याय नव्हता. डॉ. Lukasz Olejnik यांनी इशारा दिला की अशा "अतिप्रमाणात डेटा साठवणुकीमुळे" बिझनेस लॉजिक, इन्फ्रास्ट्रक्चर तपशील आणि ऑथेंटिकेशन टोकन्स लीक होऊ शकतात. इतर AI कोडिंग असिस्टंट्सच्या तुलनेत—ज्यामध्ये Claude Code हे एक संदर्भ बिंदू आहे—Grok Build चे वर्तन लक्षणीयरीत्या अधिक आक्रमक (invasive) आहे.

SpaceXAI चा प्रतिसाद

अहवाल सार्वजनिक झाल्यानंतर, SpaceXAI ने एक अपडेट जारी केले ज्यामध्ये disable_codebase_upload: true फ्लॅग परत मिळतो, ज्यामुळे प्रभावीपणे ते फिचर बंद होते. Elon Musk यांनी X वर घोषणा केली की सर्व अपलोड केलेला डेटा "पूर्णपणे आणि सर्वस्वी हटवला जाईल" आणि "प्रायव्हसी सेटिंग्जचा नेहमी आदर केला जातो" असे पुन्हा सांगितले. त्यांनी वापरकर्त्यांना "debugging issues" साठी कंपनीला डेटा ठेवू देण्याची विनंती देखील केली, जी विनंती अनेकांना परस्परविरोधी वाटते.

कंपनीने डेटा साठवणूक नियंत्रित करण्यासाठी /privacy CLI कमांडची शिफारस केली, परंतु संशोधकांनी असे निदर्शनास आणून दिले की ती केवळ प्रति-सत्र (per-session) स्टोरेज नियंत्रित करते आणि रिपॉझिटरीच्या पद्धतशीर अपलोडला थांबवत नाही.

डेव्हलपर्स आणि उद्योगांसाठी हे का महत्त्वाचे आहे

AI-चालित कोडिंग एजंट्स आता autocomplete पासून स्वायत्त (autonomous) टूल्समध्ये विकसित होत आहेत, जे कोड वाचू शकतात, बदलू शकतात आणि कमिट करू शकतात. जेव्हा एखादा एजंट स्थानिक 'ignore' फाईल्स बायपास करू शकतो किंवा हटवलेले सीक्रेट्स पुन्हा शोधून काढू शकतो, तेव्हा "zero data retention" चे कोणतेही आश्वासन केवळ UI सेटिंग्जने नाही, तर तांत्रिक चाचण्यांद्वारे सत्यापित केले पाहिजे. CTOs आणि प्रॉडक्ट ओनर्सनी खालील गोष्टी कराव्यात:

  • वास्तविक कोडबेसवरील AI साधनांच्या वर्तनाचे स्वतंत्र ऑडिट (audits) करून घ्या.
  • डेटा हाताळणी, डेटा साठवणुकीचा कालावधी आणि डेटा हटवण्याची हमी स्पष्टपणे परिभाषित करणारे स्पष्ट करार करा.
  • संवेदनशील रिपॉझिटरीजसाठी फाईल-स्तरीय परवानग्या लागू करणारे रनटाइम सुरक्षा उपाय (runtime safeguards) अंमलात आणा.

या डेटा चोरीमुळे (breach) AI ची सुलभता आणि सुरक्षा यांच्यातील तडजोडीबद्दल एक व्यापक प्रश्न निर्माण झाला आहे. SpaceXAI चा दावा आहे की मॉडेल सुधारण्यासाठी अपलोड फीचरद्वारे वापराचे मेट्रिक्स (usage metrics) गोळा केले जात होते, आणि त्यांनी हे फीचर बंद केले असून आधीच अपलोड केलेल्या डेटाला हटवण्याचे आश्वासन दिले आहे. टीकाकारांचे म्हणणे आहे की मूळ डिझाइनमध्ये पारदर्शक 'ऑप्ट-आउट' (opt-out) पर्यायाचा अभाव होता आणि घटनेनंतर देण्यात आलेली प्रायव्हसी कमांड क्लाउडमध्ये आधीच असलेल्या डेटाचे संरक्षण मागे जाऊन (retroactively) करू शकत नाही.

SpaceXAI कडून प्रतिवाद

SpaceXAI असा युक्तिवाद करते की अपलोड फीचरचा उद्देश मॉडेल सुधारण्यासाठी वापराचे मेट्रिक्स गोळा करणे हा होता. त्यांनी हे फीचर त्वरित बंद केले आणि आधीच अपलोड केलेल्या डेटाला हटवण्याचे आश्वासन दिले, हे जबाबदार प्रतिसादाचे पुरावे म्हणून त्यांनी नमूद केले आहे. टीकाकारांनी प्रत्युत्तर दिले की सुरुवातीच्या डिझाइनमध्ये कोणताही स्पष्ट 'ऑप्ट-आउट' पर्याय नव्हता आणि प्रायव्हसी कमांड क्लाउडमध्ये आधीच साठवलेल्या डेटाचे संरक्षण करण्यात अपयशी ठरते.

निष्कर्ष

जेव्हा एखादा AI कोडिंग असिस्टंट चोरून संपूर्ण रिपॉझिटरी (repository) बाहेर नेऊ शकतो, तेव्हा विश्वास ही मार्केटिंगची नाही तर तांत्रिक समस्या बनते. संस्थांनी डेटा चोरी (data exfiltration) रोखण्यासाठी पडताळण्यायोग्य आणि लागू करण्यायोग्य नियंत्रणांची मागणी करणे आवश्यक आहे, अन्यथा त्यांना स्पर्धात्मक फायदा देणाऱ्या कोडला धोका निर्माण होऊ शकतो.