Rani mengelola wedding organizer kecil di Bandung. Suatu malam di bulan Oktober, ia mengetik satu kalimat ke Lovable: “buatkan aplikasi RSVP pernikahan dengan daftar tamu, nomor telepon, dan jumlah kursi.” Dua puluh menit kemudian aplikasi itu hidup, rapi, dan siap ia sebar lewat WhatsApp. Yang tidak ia sadari, tabel tamu di dalamnya terbuka untuk siapa pun yang tahu alamat API-nya. Tanpa login, tanpa kata sandi. Nomor telepon empat ratus tamu, plus alamat rumah mereka, terbuka bagi siapa pun yang membuka browser.
Kisah Rani adalah ilustrasi, bukan laporan insiden nyata. Namun pola di baliknya benar-benar terjadi bulan ini. Pada awal November 2026, firma keamanan Jerman Crissy Field merilis riset yang memindai 159.041 proyek Lovable yang muncul antara Desember 2025 dan September 2026. Hasilnya membuat industri vibe coding gelisah: ribuan aplikasi membagikan data pribadi ke publik, dan penyebabnya bukan serangan siber canggih, melainkan satu aturan database yang belum pernah aktif.
Apa yang Crissy Field temukan di 159.041 proyek
Dari 159.041 proyek tersebut, 34.545 memakai Supabase sebagai basis data. Sebanyak 24.664 situs mengembalikan record database begitu halaman terbuka, tanpa autentikasi apa pun. Sebagian data itu memang untuk konsumsi publik, misalnya katalog produk. Namun peneliti kemudian mengirim permintaan baca tambahan memakai kunci API yang sama, dan batasnya lenyap.
Pada 7.403 situs, alamat email muncul apa adanya di 10.560 tabel berbeda. Sebuah forum gaya hidup berbahasa Jerman membocorkan lebih dari 80.000 profil berisi nama lengkap, email, tanggal lahir, dan gender, ditambah lebih dari 200.000 pesan obrolan. Penyelenggara acara dan restoran mengekspos puluhan ribu catatan penjualan tiket dan makanan: nomor telepon, alamat, detail pembayaran, sampai kode tiket. Kasus paling serius datang dari satu penyedia jasa yang membuka lebih dari 1.000 catatan identitas berisi nomor paspor, tanggal kedaluwarsa, dan kewarganegaraan.
Peneliti menegaskan satu hal penting: Lovable tidak mengalami peretasan. Yang gagal adalah konfigurasi akses pada database yang aplikasi itu pakai. Lovable sendiri menyatakan masalah ini mencerminkan persoalan setup database yang lebih luas di kalangan pengguna Supabase. Perbedaan itu bukan detail teknis belaka, karena ia menentukan siapa yang harus bertindak.
Mengapa RLS jadi satu-satunya penjaga
Supabase memakai model yang membuat aplikasi web modern bisa berjalan tanpa server sendiri. Browser memegang kunci publik bernama anon key, dan kunci itu memang bersifat publik, tampil di developer tools siapa pun. Kunci tersebut bukan rahasia, jadi satu-satunya yang mencegah orang membaca seluruh isi tabel adalah Row Level Security (RLS), yaitu aturan per baris yang menentukan siapa boleh melihat data apa.
Ketika RLS mati, kunci publik berubah fungsi menjadi kunci master. Siapa pun bisa mengirim permintaan ke endpoint /rest/v1/nama_tabel dan menerima seluruh isi tabel dalam format JSON. Tidak perlu menebak kata sandi, tidak perlu alat khusus. Cukup satu tab browser dan alamat proyek.
Masalahnya, agent AI yang membangun aplikasi bekerja dari deskripsi fitur, bukan dari model ancaman. Ketika pengguna menulis “tampilkan daftar tamu di halaman admin”, agent membuat halaman, membuat tabel, lalu menghubungkan keduanya. Ia jarang menambahkan pemeriksaan “apakah orang ini berhak melihat baris tersebut”, karena pengguna tidak pernah memintanya. RLS pun tersisa sebagai pekerjaan rumah yang tidak pernah masuk daftar.
Tiga lapisan yang sering orang samakan
Banyak pemilik aplikasi mengira tampilan halaman sudah cukup menjadi penjaga. Padahal menyembunyikan tombol dan membatasi akses database adalah dua hal yang berbeda. Tabel berikut memetakan lapisan yang sering orang samakan.
| Lapisan | Fungsi sebenarnya | Kalau lapisan ini bolong |
|---|---|---|
| Tampilan (UI) | Menyembunyikan menu dan tombol dari pengguna biasa | Attacker memanggil API langsung, UI tidak relevan |
| Autentikasi | Memastikan siapa yang login | Semua pengunjung lolos sebagai tamu, data tetap terbuka |
| RLS di database | Menentukan baris mana yang boleh dibaca per pengguna | Seluruh tabel terbuka bagi pemegang anon key |
| Object storage policy | Mengatur siapa boleh mengunduh file di bucket | Siapa pun bisa mengunduh foto KTP dan kontrak |
Baris ketiga dan keempat adalah yang paling sering kosong pada aplikasi hasil generator AI. Peneliti Crissy Field menyebut pola integrasi database di Lovable cukup seragam, sehingga orang bisa memakai teknik yang sama pada aplikasi lain dengan usaha minimal. Itulah yang membuat temuan ini bukan sekadar kumpulan kasus terpisah, melainkan masalah struktural.
Checklist sebelum aplikasi menerima data pelanggan
Lovable kini menyediakan pemindaian keamanan otomatis. Quick scan berjalan setiap kali pengguna memublikasikan aplikasi dan memeriksa aturan akses database, kerentanan dependensi npm, serta server MCP yang terbuka tanpa autentikasi. Deep scan menambah pemeriksaan alur otorisasi, endpoint tanpa autentikasi, kebocoran rahasia, dan logika pembayaran. Namun dokumentasi Lovable sendiri menyatakan alat ini tidak menggantikan tinjauan keamanan menyeluruh.
Karena itu, jalankan daftar berikut sebelum aplikasi menyentuh data nyata:
- Nyalakan RLS di semua tabel. Satu tabel tanpa RLS cukup untuk membocorkan seluruh isinya.
- Tulis policy eksplisit per operasi. Pisahkan izin baca, tulis, ubah, dan hapus, lalu kaitkan dengan
auth.uid(). - Uji dari sisi penyerang. Buka aplikasi tanpa login, salin anon key dari bundle, lalu coba tarik tabel dengan curl.
- Periksa bucket penyimpanan. Foto dokumen dan lampiran harus privat, bukan publik.
- Pisahkan kunci service role. Kunci ini melewati RLS, jadi jangan pernah menaruhnya di kode frontend.
- Matikan pendaftaran bebas bila aplikasi hanya untuk staf internal.
- Catat data pribadi yang aplikasi simpan. Nama, telepon, alamat, dan nomor identitas termasuk kategori sensitif.
- Minta tinjauan manusia sebelum rilis pertama yang menyentuh data pelanggan.
-- contoh minimum: aktifkan RLS lalu batasi per pemilik baris
alter table guests enable row level security;
create policy "pemilik melihat tamunya sendiri"
on guests for select
using (auth.uid() = owner_id); Contoh di atas hanya kerangka. Aplikasi nyata butuh policy terpisah untuk insert, update, dan delete, plus pengujian bahwa policy benar-benar menolak permintaan dari pengguna lain.
Mengapa agent AI melewatkannya
Model bahasa mengoptimalkan jalur bahagia. Ia membuat fitur bekerja secepat mungkin sesuai kalimat pengguna, dan kalimat pengguna hampir selalu berbunyi “tampilkan”, “simpan”, atau “kirim”, bukan “batasi”. Pada aplikasi yang lahir dari pendekatan ini, keamanan menjadi lapisan yang harus pengguna minta secara eksplisit.
Hal ini sejalan dengan pola yang sudah lama muncul pada penggunaan agent coding: kecepatan produksi naik jauh lebih cepat daripada kesadaran akan risiko. Tim yang membangun tanpa proses review akan menumpuk utang keamanan tanpa terlihat, karena aplikasi tetap berjalan normal sampai seseorang menemukan endpoint terbuka. Anda bisa membaca analisis pola kerja ini di artikel tentang anti-pattern penggunaan AI coding agent.
Dampak hukum dan biaya yang jarang masuk perhitungan
Di Indonesia, Undang-Undang Perlindungan Data Pribadi Nomor 27 Tahun 2022 mewajibkan pengendali data menjaga kerahasiaan dan keamanan data yang mereka kelola. Pelanggaran dapat berujung pada sanksi administratif, termasuk denda yang nilainya mengikuti pendapatan tahunan, ditambah kewajiban pemberitahuan kepada subjek data. Untuk aplikasi yang melayani pengguna Eropa, GDPR menambahkan tenggat pelaporan 72 jam sejak tim menyadari insiden.
Biaya teknisnya juga nyata. Satu tabel tamu yang terbuka berarti seluruh basis data kemungkinan besar terbuka, karena penyerang cukup mengiterasi nama tabel. Jika data yang bocor mencakup nomor identitas, korban menghadapi risiko pencurian identitas bertahun-tahun setelah aplikasi aslinya sudah tidak aktif.
Pelajaran dari insiden vendor pihak ketiga berlaku sama di sini: pemilik aplikasi tetap pihak yang bertanggung jawab, meskipun alat lain yang menghasilkan kodenya. Baca pola serupa pada kasus kebocoran data lewat vendor pihak ketiga.
Langkah paling murah: audit satu jam
Jika Anda punya aplikasi hasil generator AI yang sudah berjalan, luangkan satu jam malam ini. Buka aplikasi di jendela privat, buka network tab, cari permintaan ke domain Supabase, salin kuncinya, lalu coba ambil satu tabel lewat curl. Kalau respons berisi data yang seharusnya privat, matikan akses publik sebelum memperbaiki hal lain.
Setelah itu, tinjau policy tabel satu per satu dan pastikan setiap tabel punya aturan. Langkah keamanan dasar semacam ini sudah ada dalam panduan 7 langkah keamanan hari pertama aplikasi, dan urutan kerjanya masih relevan untuk aplikasi yang lahir dari satu prompt.
Kesimpulan
Kasus 159.041 proyek Lovable bukan cerita tentang alat yang jahat, melainkan tentang kemudahan yang datang lebih cepat daripada kewaspadaan. Generator AI berhasil memangkas waktu pembuatan aplikasi dari berminggu-minggu menjadi satu sore, tetapi ia tidak memangkas tanggung jawab pemilik data. Satu baris enable row level security adalah beda antara aplikasi yang aman dan kebocoran yang tidak mungkin kembali.
Bagi pembuat aplikasi tanpa latar belakang teknis, aturan praktisnya sederhana: jangan pernah memasukkan data pelanggan sungguhan sebelum seseorang yang paham database memeriksa aturan aksesnya. Bagi pengembang, temuan ini pengingat bahwa hasil generate tetap kode produksi, dan kode produksi menuntut review.
Referensi
- Cybernews — Apps built on Lovable AI expose passport details and 200,000 chat messages
- Techzine — Thousands of Lovable apps are leaking personal data
- Lovable Documentation — Security overview (Quick scan dan Deep scan)