ป้องกันแอปที่สร้างด้วย AI ไม่ให้ถูกแฮก: 9 ข้อต้องตรวจก่อนเปิดตัว - ภาพบทความจาก IT Support in Tokyo เรื่องเว็บไซต์ แอป และ SEO

ป้องกันแอปที่สร้างด้วย AI ไม่ให้ถูกแฮก: 9 ข้อต้องตรวจก่อนเปิดตัว

สรุป

เช็กลิสต์ก่อนเปิดตัวสำหรับแอปที่สร้างด้วย AI และ vibe coding ครอบคลุม secrets, สิทธิ์แอดมิน, กฎของฐานข้อมูล, API, XSS, dependencies, rate limit และการตั้งค่า production

AI ช่วยให้ปล่อยแอปได้เร็ว แต่เรื่องความปลอดภัยยังต้องมีการตรวจสอบอย่างจริงจัง ไม่ว่าคุณจะเขียนโค้ดเองทุกบรรทัด ใช้ผู้ช่วยเขียนโค้ดด้วย AI หรือสร้างแอปด้วยการสั่งผ่าน prompt ก็ต้องตรวจเรื่องเดียวกัน ต่อไปนี้คือ 9 ข้อที่ควรตรวจก่อนเปิดตัวให้คนทั่วไปใช้งาน

ทีมรักษาความปลอดภัยกำลังตรวจสอบ secrets และสิทธิ์เข้าถึงคลาวด์ของแอป AI
เริ่มจากเส้นทางที่ผู้โจมตีเข้าถึงได้ ได้แก่ โค้ดฝั่งเบราว์เซอร์ ไฟล์สาธารณะ API หน้าแอดมิน และฐานข้อมูล

ในภาษาญี่ปุ่น การพัฒนาแบบใช้ prompt เป็นหลักเรียกว่า バイブコーディング (vibe coding) คำนี้อธิบายวิธีการทำงาน ไม่ได้รับประกันความปลอดภัย OWASP Top 10:2025 ยังจัดให้ broken access control, security misconfiguration, ความล้มเหลวของ supply chain และ injection เป็นความเสี่ยงหลักของเว็บ

1. ตรวจหา secrets ใน Git ไฟล์สาธารณะ และ build

ค้นหา private key, รหัสผ่านฐานข้อมูล, service-role key และ AI API token ทั้งใน repository ปัจจุบันและประวัติ commit ตรวจ public/ ไฟล์ที่ใช้ deploy ไฟล์ ZIP เก่า และไฟล์สำรองด้วย หาก secret เคยหลุด การลบไฟล์ไม่เพียงพอ ต้องหมุนเวียน (rotate) credential นั้นและตรวจสอบประวัติการใช้งาน เก็บ server secrets ไว้ใน secret store ของโฮสต์ ส่วน publishable key ที่มองเห็นได้ในเบราว์เซอร์เป็นคนละประเภท แต่สิทธิ์ของมันก็ยังต้องถูกควบคุมด้วยกฎของฐานข้อมูลอย่างเข้มงวด ดู แนวทางการจัดการ secrets ของ OWASP

2. ป้องกันหน้าแอดมิน และตรวจสิทธิ์ในทุกการกระทำ

ลิงก์ที่ซ่อนไว้ไม่ใช่การควบคุมสิทธิ์เข้าถึง ให้ตรวจสอบผู้ใช้ที่ล็อกอินอยู่ที่ฝั่งเซิร์ฟเวอร์ทั้งสำหรับหน้าแอดมิน และสำหรับทุก admin API หรือ server action ตรวจ role ของผู้ใช้จากข้อมูลฝั่งเซิร์ฟเวอร์ที่เชื่อถือได้ แล้วทดสอบเข้า URL โดยตรงทั้งแบบที่ยังไม่ล็อกอินและแบบบัญชีผู้ใช้ทั่วไป ทำแบบเดียวกันกับ ID ของข้อมูลใน API ผู้ใช้ต้องไม่สามารถเปลี่ยน ID แล้วอ่านข้อมูลของลูกค้าคนอื่นได้ นี่คือหัวใจของ object-level authorization

ภาพประกอบการตรวจสอบสิทธิ์แอดมินของแชตบอต AI
สิทธิ์แอดมินต้องถูกบังคับใช้ ณ จุดที่มีการอ่านหรือแก้ไขข้อมูล

3. ล็อกการเข้าถึงฐานข้อมูลด้วยกฎระดับแถวและ grants

สำหรับฐานข้อมูลที่เชื่อมต่อกับเบราว์เซอร์ ให้ตรวจทุกตารางที่เปิดให้เข้าถึง เปิดใช้ row-level security ตามความเหมาะสม ถอน grants สาธารณะที่กว้างเกินไป และทดสอบว่าผู้ใช้ anonymous ผู้ใช้ทั่วไป และแอดมิน อ่านและแก้ไขอะไรได้จริงบ้าง API key สาธารณะไม่ได้ทำให้ข้อมูลลูกค้าเป็นสาธารณะโดยอัตโนมัติ สิ่งที่ทำให้เป็นเช่นนั้นคือ table policy ที่หลวมเกินไป คู่มือ RLS ฉบับปัจจุบัน ของ Supabase อธิบายว่าเหตุใดทั้ง grants และ policies จึงสำคัญ

4. ให้ API ที่อ่อนไหวและการทำรายการกระเป๋าเงินผ่านการตรวจสอบฝั่งเซิร์ฟเวอร์

สำหรับการชำระเงิน ยอดคงเหลือ การถอนเงิน หรือการโอนระหว่างกระเป๋าเงิน ต้องยืนยันตัวผู้เรียก ตรวจสิทธิ์ต่อบัญชีและธุรกรรมนั้น ๆ ตรวจสอบจำนวนเงินและการเปลี่ยนสถานะ และป้องกันการส่งซ้ำ (replay) ด้วย idempotency key อย่าเชื่อยอดคงเหลือหรือราคาที่ส่งมาจากเบราว์เซอร์ เพิ่มการจำกัดจำนวนคำขอและ audit log สำหรับ AI API ทั่วไป ให้เรียกผ่านเซิร์ฟเวอร์แบบ proxy เพื่อไม่ให้ private model key ถูกส่งไปถึงฝั่งไคลเอนต์

แผนภาพชั้นของตัวตน API ข้อมูล และการตรวจสอบ สำหรับแอปที่สร้างด้วย AI
แต่ละชั้นต้องบังคับใช้ขอบเขตของตัวเอง หน้าล็อกอินอย่างเดียวไม่สามารถปกป้อง API หรือฐานข้อมูลได้

5. ตรวจสอบข้อมูลในฟอร์มและป้องกัน cross-site scripting

กำหนดข้อจำกัดความยาวและรูปแบบที่ฝั่งเซิร์ฟเวอร์ ปฏิเสธฟิลด์ที่ไม่คาดคิด และ escape เนื้อหาของผู้ใช้เมื่อแสดงผลเป็น HTML หรืออีเมล เนื้อหา rich text ต้องใช้ HTML sanitizer ที่อนุญาตเฉพาะแท็กและ URL ที่คุณตั้งใจเผยแพร่ หลีกเลี่ยงการนำสตริงที่ไม่น่าเชื่อถือไปกำหนดให้ innerHTML Content Security Policy ช่วยเพิ่มอีกชั้นได้ แต่ไม่ได้แทนที่การแสดงผลอย่างปลอดภัย ทำตาม แนวทางป้องกัน XSS ของ OWASP

6. ใช้ rate limit กับ endpoint ที่สิ้นเปลืองหรือเปิดสาธารณะ

ฟอร์มติดต่อ การล็อกอิน แชต AI การรีเซ็ตรหัสผ่าน และ endpoint ที่ส่งอีเมล ถูกใช้ในทางที่ผิดได้ง่าย ให้จำกัดคำขอด้วยการผสมระหว่างบัญชี IP เซสชัน และประเภทการกระทำอย่างเหมาะสม ใช้ CAPTCHA ในจุดที่ช่วยได้ และตอบกลับด้วยข้อความให้ลองใหม่ที่ชัดเจน การตัดสินใจจำกัดต้องอยู่ที่ฝั่งเซิร์ฟเวอร์ การหน่วงเวลาที่ฝั่งไคลเอนต์อย่างเดียวไม่สามารถหยุดคำขอที่ยิงตรงไปที่ API ได้

7. ตรวจ dependencies และลบแพ็กเกจที่ไม่ได้ใช้

ทำรายการแพ็กเกจทั้งหมดและลบตัวที่แอปไม่ได้ใช้แล้ว รัน dependency audit อ่านบันทึกการอัปเดต และล็อกเวอร์ชันใน build ตรวจ transitive dependencies และสคริปต์ โดยเฉพาะเมื่อผู้ช่วย AI แนะนำแพ็กเกจใหม่ รายการ OWASP ปี 2025 ระบุความล้มเหลวของ software supply chain ไว้อย่างชัดเจน

เช็กลิสต์การตรวจสอบความปลอดภัยที่ครอบคลุม secrets สิทธิ์เข้าถึง และ dependencies
การตรวจสอบที่ทำซ้ำได้จะจับสิ่งที่ตกหล่น ซึ่งการ build ที่สำเร็จไม่สามารถบอกได้

8. ตรวจการตั้งค่า production และ security headers

ปิดการแสดงผล debug และลบบัญชีทดสอบก่อนเปิดตัว จำกัด CORS ให้เฉพาะ origin ที่จำเป็น ตรวจว่าไฟล์สำรองและ source map ไม่ถูกเปิดให้เข้าถึงสาธารณะ และเพิ่ม response header ที่เหมาะสม ทดสอบกับแอปที่ deploy แล้ว ไม่ใช่แค่ localhost เพราะตัวแปรสภาพแวดล้อมตอน build และค่าเริ่มต้นของโฮสติ้งอาจทำให้ผลต่างกัน

9. ใช้ระบบยืนยันตัวตนแบบ managed และจัดการรหัสผ่านอย่างปลอดภัย

เลือกผู้ให้บริการยืนยันตัวตนที่ผ่านการใช้งานจริงมาแล้ว หากแอปจำเป็นต้องเก็บรหัสผ่านเอง ให้ใช้รูปแบบ password hashing ที่ยังมีการดูแลอยู่ พร้อม salt ที่ไม่ซ้ำกันและ work factor ที่เหมาะสม ห้ามเก็บเป็น plaintext หรือใช้ hash ทั่วไปที่คำนวณเร็ว เปิด multifactor authentication สำหรับแอดมิน ป้องกันขั้นตอนรีเซ็ตรหัสผ่าน และตรวจสอบเซสชันหลังมีการเปลี่ยน role

ภาพประกอบวงจรชีวิตของ API key ที่แสดงขั้นตอนออกคีย์ จำกัดสิทธิ์ เฝ้าติดตาม และหมุนเวียน
การจัดการ secrets ไม่ได้จบเมื่อเปิดตัว ต้องจำกัดสิทธิ์ เฝ้าติดตามการใช้งาน และหมุนเวียน credential ที่หลุดออกไป

การทดสอบก่อนเปิดตัวในทางปฏิบัติ

ลองใช้แอปในบทบาทคนแปลกหน้า ผู้ใช้ทั่วไป และแอดมิน ลองยิง API โดยตรง ตรวจ response ในเครือข่ายว่ามีข้อมูลส่วนตัวหลุดมาหรือไม่ ส่งข้อมูลที่หน้าตาเหมือน HTML และยืนยันว่าฐานข้อมูลปฏิเสธเรกคอร์ดที่ไม่ใช่ของคุณ ให้คนตรวจทานผลที่พบ และทดสอบซ้ำหลังแก้ไข แนวทางความปลอดภัย AI ของ IPA ของญี่ปุ่นเป็นเอกสารประกอบที่เป็นประโยชน์สำหรับทีมที่นำ AI เข้ามาใช้ในการพัฒนา

ต้องการให้อีกทีมช่วยตรวจผลิตภัณฑ์ที่สร้างด้วย AI ใช่ไหม ติดต่อทีมของเราเพื่อขอรับการตรวจสอบความปลอดภัย ก่อนที่จะนำข้อมูลลูกค้าหรือการชำระเงินมาไว้บนระบบนั้น