一組預設密碼外洩了 6,400 萬筆 AI 招聘紀錄

問題所在

麥當勞的 AI 招聘聊天機器人「Olivia」外洩了 6,400 萬名求職者的個人紀錄。保護該系統的管理員密碼是「123456」。這不是簡化說法——使用者名稱和密碼確實都字面上是「123456」，而且該帳戶自 2019 年起就一直處於無人監控的狀態，也沒有多重因素驗證。

安全研究人員 Ian Carroll 與 Sam Curry 於 2025 年 6 月發現了這個漏洞。他們最初是注意到大量使用者抱怨介面問題百出，才展開調查——這類訊號往往指向更深層的架構性失職。當他們用這組預設憑證登入管理入口網站後，又發現了第二個缺陷。該平台的 API——即連接不同系統的軟體層——並未檢查使用者是否獲得授權可以檢視特定紀錄。只要在瀏覽器網址列中修改求職者 ID 編號，研究人員就能調出數百萬名真實求職者的完整應徵紀錄與聊天日誌。

外洩的資料包括姓名、電子郵件、電話號碼、IP 位址、虛擬面試逐字稿，以及人格測評結果。這並不是一場精密的國家級攻擊，而是基本資安衛生在您 AI 供應商的前門徹底崩潰。如果您的組織依賴第三方 AI 工具，這次事件應令您深感憂心。一家財富百強企業的安全性，竟完全取決於其供應商的憑證管理慣例。

這對您的業務為何重要

這類事件帶來的財務與法律風險敞口令人震驚。2025 年資料外洩的平均成本已達 444 萬美元。但這裡真正的風險放大器是法規監管。

您的組織很可能至少受以下其中一項法規框架規範：

• GDPR 最高可處以 €2,000 萬或全球年營業額 4% 的罰款——以較高者為準。
• CCPA 允許按每位消費者每次事件 750 美元的法定損害賠償。乘以 6,400 萬筆紀錄，您面對的集體訴訟風險敞口可能高達數百億美元。
• 歐盟 AI 法案將招募用 AI 歸類為「高風險」，可處以最高 €3,500 萬或全球營業額 7% 的罰款。

「123456」這樣的預設密碼，可以說恰恰是 CCPA 所要求「合理安全程序」的反面。僅這一事實就可能成為針對您公司的集體訴訟的核心——即使該密碼屬於您的供應商而非您的團隊。

除了罰款之外，人的代價是真實的。研究顯示，70% 的資料外洩受害者表示事後難以信任他人；三分之二的人經歷深刻的無力感；受害者並反映有睡眠障礙（85%）、壓力加劇（77%）與慢性頭痛（57%）。當外洩資料包含人格測評結果——這種聲稱能量化一個人內在特質的文件——其心理傷害遠比信用卡被盜深重。信用卡可以註銷，外洩的人格側寫卻會無限期地跟隨當事人。

您的董事會必須知道：AI 供應商風險已不再是 IT 問題，而是落在您資產負債表上的財務、法律與聲譽問題。

底層實際發生了什麼

核心問題在於業界所謂的「AI 包覆層」（AI wrapper）模式。可以這樣想：假設您聘請了一位才華橫溢的顧問，卻給了他一間門鎖壞掉的辦公室，沒有門禁徽章，檔案櫃任何走進來的人都打得開。顧問的工作非常出色，但他周遭的大樓卻形同大開。

麥當勞的 AI 聊天機器人正是如此。對話式 AI 本身運作如常：「Olivia」能篩選求職者、安排面試並執行人格測評。但它周圍的基礎設施——管理入口網站、API 存取控制、憑證管理——卻千瘡百孔。

被利用的漏洞是一個 IDOR 缺陷——不安全的直接物件參照（Insecure Direct Object Reference）。通俗地說，系統允許任何已登入的使用者只靠修改網址中的一個數字就能存取任意紀錄，完全沒有確認該使用者是否應被允許查看特定求職者的資料。

更糟的是，調查人員發現 Paradox.ai 位於越南的一名開發人員感染了名為「Nexus Stealer」的惡意軟體。僅這一台被入侵的設備就外洩了數百個密碼——其中許多是重複使用的弱密碼——波及百事（Pepsi）、洛克希德馬丁（Lockheed Martin）、勞氏（Lowes）與 Aramark 等客戶的帳戶。一名開發人員不良的密碼習慣，暴露了多家財富 500 強企業。

這就是「人性節點」問題。您的 AI 模型可以在技術上無懈可擊，但如果管理它的人員重複使用密碼、跳過多重因素驗證，您整個 AI 技術堆疊的安全性就會崩塌至其最弱人環節的強度。

有效與無效的做法

先來看哪些做法保護不了您：

• 只靠事後加裝的防火牆。 標準的 Web 應用程式防火牆不理解提示注入或物件參照篡改這類 AI 特有的威脅。它守住了前門，側窗卻仍然敞開。
• 臨時拼湊的治理。 如果您的 AI 供應商拿不出一份成文的憑證生命週期文件——包括如何停用舊帳戶——您就是暴露在風險之中。McHire 的管理員帳戶就在啟用且無人監控的狀態下閒置了六年。
• 輕信供應商的說辭。 您這個財富百強品牌的安全性，竟完全取決於另一個國家的第三方開發人員是否用了強密碼。那不叫治理，那叫祈禱。

真正有效的做法如下——一套分層防禦，把 AI 系統的每一部分都視為可能已遭入侵：

1. 輸入驗證（守門員）。 進入 AI 系統的每個提示與請求都會被清理與標準化。這一層會剝除可能被誤讀為隱藏指令的類程式碼語法與格式，讓威脅在抵達模型之前就被攔下。

2. 多模型驗證（同伴制）。 在您的主 AI 處理每個請求之前，一個較小的「金絲雀」模型會先分析它是否懷有惡意意圖。若金絲雀標記了可疑之處，第二個仲裁模型會做最終裁定。這形成相互制衡——沒有任何單一模型握有不受制衡的權力。

3. 輸出驗證與遮蔽（過濾器）。 每個 AI 回應都被視為不可信的輸出。分類器會掃描有毒、有偏見或幻覺生成的內容；個資（PII）遮蔽層確保您的系統絕不會意外地把社會安全號碼、人格評分或私密聊天日誌洩露給未經授權的使用者。

這種分層方法的關鍵優勢在於稽核軌跡。當您的合規團隊或監管機構追問「這個決策是如何做出的？」時，您可以追溯每一項輸入、每一個驗證步驟與每一項輸出。正是這條軌跡，把可辯護的 AI 系統與法律責任區隔開來。如果您無法向稽核人員展示從問題到答案的邏輯路徑，您擁有的就不是 AI 治理）——而是黑箱。

您的 安全態勢 還應涵蓋零信任（Zero-Trust）身分管理：系統中的每一個人類使用者與每一個 AI 代理，都需要具備持續驗證的唯一加密身分。不用預設密碼、不共用憑證、不讓陳舊帳戶閒置六年。

讓您的 AI 技術堆疊與 ISO 42001——首個 AI 管理體系國際標準——以及 NIST AI 風險管理框架接軌，您就能從被動修補轉向主動治理。這些框架為您的團隊提供一條結構化的 90 天路線圖：第 1 至 30 天盤點您的 AI 風險敞口，第 31 至 60 天落實基礎資安衛生，第 61 至 90 天為高風險作業部署進階監控與人類審批關卡。

當前 AI 安全與韌性 格局正在快速變化。到 2026 年，AI 治理將是參與市場的前提條件，而非可有可無的加分項。