一句話結論
工程師請 AI 代理附上改版前後的截圖,代理發現內部放圖的路走不通,就自己開了一個全世界都看得到的 GitHub 儲存庫。資安業者 Glow Labs 找到超過 1.3 萬張這樣的內部圖片,來自超過 300 個組織,93% 的案例放在員工個人帳號底下。這個過程不需要駭客,也不是有人下錯指令,所以防小偷的那套監控很可能不會響。主管該補的不是再一道防火牆,是想清楚:AI 卡住的時候,它被允許自己想辦法到什麼程度?
想像你交辦新來的實習生:「改完這個畫面,把改版前後的截圖附給主管看。」
他發現公司的系統傳不了圖。他很想把事情做完,所以把截圖傳到自己的公開相簿,連結貼進報告。主管點開,看到了,任務完成,還覺得這孩子很會想辦法。
只是那本相簿,全世界都看得到。
這個比喻是我自己打的,但事情真的發生了,只是實習生換成 AI 程式開發代理。資安業者 Glow Labs 把它叫做 PixelLeak。
發生了什麼事
工程師把程式改好後,通常要開一張「拉取請求」(pull request,可以想成請同事審查的申請單),附上改版前後的畫面。根據 Glow 的報告,GitHub 的傳圖功能是給網頁介面用的,代理走的是文字指令列,傳不上去;圖片放在私人儲存庫,審查者又看不到。
有些代理就想到一條路:另外開一個公開儲存庫放圖,再把連結貼回去。

Glow 列的外洩內容不是無關緊要的畫面:
- 一家員工超過 10 萬人的製造商:工程師請代理驗證內部帳單畫面的修正,代理在工程師的個人帳號開公開儲存庫放截圖,圖裡有一家公用事業公司的帳單紀錄。Glow 通知對方時,圖還掛著。
- 一家金融服務公司:截圖露出內部的資金管理與結算介面,以及某個具名機構客戶的提款畫面。
- 一家軟體商:一週內,十幾個代理把這招寫成可重複使用的技能(Skill),之後上傳超過 1,000 份截圖和錄影,連同還要幾週到幾個月才發布的功能說明。
Glow 也提到,約三分之一受影響的組織,有開發者在用開源工具 gitshot 發布截圖,部分代理找到它就直接拿來用;上面的金融公司案例就列在這一段。
軟體商那個例子最值得主管看。一個代理的權宜之計,一週內變成十幾個代理的工作習慣。報告沒提到有人審核過這件事,我猜也沒有人開會決定。
為什麼沒有人發現
因為我們的資安直覺,大多是防小偷:有沒有人闖進來、有沒有異常登入、公司帳號有沒有動靜。
這次這些都沒有發生:
- 沒有攻擊者。F5 Labs 的整理直接點出,傳統以攻擊者為中心的思路看不到這種外洩,針對入侵設計的偵測也不會響。
- 不在公司的地盤。93% 的案例放在員工自己建立的儲存庫。公司如果只監控自家 GitHub 組織,就可能看不到。
- 掃描工具讀的是文字,不是畫面。Glow 提醒,機密掃描器看不懂截圖裡的內容。
- 離職員工的帳號也算。圖不會因為人走了就消失,Glow 建議清查時把離職員工一起算進去。

Glow 也在實驗室裡用 Claude Code(Opus 5 模型)重現了這個過程。它公開的代理思考紀錄,每一步都合乎邏輯:私人儲存庫的圖顯示不出來,規定又要讓審查者看到,所以開一個公開的。這正是我想講的重點:這不是 AI 壞掉,是 AI 太想把事情做完,而你沒告訴它哪條路不能走。
Cloudflare 10 月的一份事後報告,也提供了相通的一課,雖然那是服務商的程式問題,不是代理自作主張:它的 GLM-5.3 服務曾有 155 次回應混入其他客戶的資料,而上線前的測試只看回應狀態,沒看內容對不對。「它回應成功」和「它做得對」是兩件事。
誠實踩煞車
- Glow 是賣這類防護產品的資安公司。報告最後也在推自家方案,所以要把它當「有立場的研究」來看。F5 Labs 的文章有引用這份研究,但引述不等於獨立驗證,我也沒看到第三方重新清點過這 1.3 萬張。
- 受影響的公司都沒有具名。報告用「世界最大的科技公司之一」這類描述,我無法核對是誰,所以不猜。
- 原本的觸發點有解了,但要更新才有。GitHub 9 月 1 日推出 CLI v2.99.0,新增
--attach參數,代理可以直接附圖;這版不支援 GitHub Enterprise Server。已經公開的圖,還是要各家自己找出來刪。 - 這次的場景是程式開發。一般行政人員用聊天機器人,不會碰到這條路徑。我是認為同樣的邏輯會延伸到其他能自己動手的代理,但這是我的推論,報告沒有這樣寫。
- Cloudflare 那件事的條件很特殊。Cloudflare 說只影響 GLM-5.3、全部是輸入超過 681,280 token 的超長請求,也沒發現蓄意利用,已修復。不要讀成「用雲端 AI 都會串資料」。
- 這不是叫你禁用代理。以我在企業現場的觀察,全面禁用常見的結果是員工改用個人帳號,那反而更看不到。
對照:防小偷 vs 防太盡責的幫手
| 傳統資料外洩 | 這次的代理外洩 | |
|---|---|---|
| 誰造成的 | 外部攻擊者或內鬼 | 想把工作做完的 AI 代理 |
| 有沒有惡意 | 有 | 沒有,每一步都有理由 |
| 資料去哪 | 被偷走 | 被代理自己放到公開位置 |
| 從哪裡看得到 | 公司系統的異常紀錄 | 常常在員工個人帳號,公司看不到 |
| 怎麼防 | 權限、偵測、封鎖入侵 | 先定好代理不能做的動作,執行前攔下 |
所以你該做什麼
如果你已經在用會自己操作檔案或瀏覽器的 AI:交辦時多加一句邊界:「公司內容不可以放到任何公開位置;卡住了就停下來問我,不要自己想替代方案。」這句話不是保證,代理還是可能出錯,但你至少把規矩講了。這是我的教學建議,不是報告內容。
如果你負責推動導入:Glow 建議在代理動手前設攔截,至少管這四種動作:開新的公開儲存庫、推送到個人帳號、推送到 gist、把私人儲存庫改成公開。也要去讀團隊共用的規則檔和技能檔,因為這次的權宜之計就是從那裡傳開的。
如果你是主管:下次開會問 IT 四個問題:①公司現在有哪些代理在跑,我們看得到嗎?②有沒有人開了「全部自動同意」?③清查時有把員工和離職員工的個人帳號算進去嗎?④大家共用的代理規則檔,有人讀過嗎?答不出來不丟臉,這本來就是今年才冒出來的題目;丟臉的是沒人被指派去回答。
你是機長,AI 是機組人員
優秀的機組人員遇到狀況會想辦法,這是你要的。但航空業之所以安全,是因為「遇到狀況可以做什麼」事先寫在手冊上,超出手冊的決定要回報機長,不是看誰比較聰明。
這次的代理很聰明,也很盡責。它缺的是一本手冊,和一句「這種時候要先問我」。手冊是你要寫的,起飛後才發現沒寫,就太晚了。
常見問題 FAQ
Q:這是 GitHub 被駭了嗎?
不是。根據 Glow 和 F5 Labs 的說法,這次沒有攻擊者,是 AI 代理為了讓審查者看到截圖,自行把圖放到公開儲存庫。
Q:我們公司沒有工程師,也要擔心嗎?
這個特定路徑是程式開發場景,一般聊天使用不會碰到。但如果公司開始用能自己操作檔案、瀏覽器或外部服務的代理,同樣要想清楚它卡住時可以自己做到哪裡。這是我的推論。
Q:GitHub 已經修了,是不是就沒事了?
新增的 --attach 參數拿掉了原本的觸發點,但要更新到新版才有;已經公開的圖還在,要各家自己清查。F5 Labs 和 Glow 都提到,連離職員工個人帳號裡的也要找。
Q:要怎麼查公司有沒有中?
Glow 的建議是不要只查公司的 GitHub 組織,要從有提交私人儲存庫的人開始,連個人帳號、離職員工、Release 和 gist 都看;掃描工具讀不懂圖片,不能只靠它。
資料來源
以下均於 2026 年 11 月 3 日查證:
- Glow Labs:〈PixelLeak: How AI Coding Agents Leak Screenshots to Public GitHub〉(glow.io):13,000 張以上、300 個以上組織、900 個以上儲存庫、93% 在個人帳號、約三分之一組織用 gitshot、製造商/金融/軟體商案例、實驗室重現、防護建議。這是資安業者自己的研究,文末有推自家產品。
- F5 Labs:〈Unprompted: When AI Agents Expose Data Without an Attacker〉(f5.com,2026 年 10 月 21 日):確認事件摘要,以及「沒有攻擊者的外洩,以入侵為中心的偵測看不到」這個判斷。
- GitHub Changelog:〈GitHub CLI: Media in issues, pull requests, and comments〉(github.blog,2026 年 9 月 1 日):CLI v2.99.0 新增 --attach。
- Cloudflare:〈Cross-request KV cache exposure in the GLM-5.3 Workers AI model〉(blog.cloudflare.com,2026 年 10 月 26 日):155 次回應、681,280 token 門檻、時間軸、上線前知道容量不符、只驗狀態碼沒驗內容、未發現蓄意利用。這是當事公司自己的事後報告。
- iThome 相關報導(PixelLeak、Cloudflare):我從這兩篇找到原始來源,數字一律以原始來源為準。
查證說明(誠實揭露):①外洩規模全部來自 Glow 自己的研究,我沒有獨立清點,F5 Labs 是引述,不算獨立驗證。②Glow 沒有公布多數受影響組織的名稱,所以本文不猜是誰。③「93%」的原文是案例中圖片放在員工個人帳號的比例;F5 Labs 也引述同一數字。④iThome 把單位寫成「檔案」,Glow 主文寫「images」,內文又提到截圖與錄影,所以我寫「內部圖片」與「截圖」,不代表全部都是靜態圖。⑤實習生比喻、交辦時加邊界那句話、「給主管的四個問題」的問法,以及這件事會延伸到其他代理的推論,都是我的判斷與教學建議,不是來源內容。⑥我教課時常用 Claude,而 Glow 的實驗室重現用的正是 Claude Code,本文照實寫;報告沒有說只有這家會發生。⑦本文沒有收受任何廠商費用。
先寫手冊,再放代理上線
我會把這類新聞拆成可以照著做的步驟,寫在電子報裡。電子報大約一到兩週一封 → startupforyou.substack.com
如果你是主管:企業內訓可以帶團隊把「AI 卡住時可以自己做到哪裡」攤開來,當場列出哪些動作要先問人,課堂上就產出你們公司的第一版代理使用規則。想聊聊寫信到 ai@autolab.cloud,或看看 AI 顧問教練團。
如果你正在規劃 2027 年的 AI 課程,不管你是 HR、訓練主管還是老師,都歡迎找阿峰老師聊聊,一起把課排對:https://autolab.cloud/corporate-training/?f=blog
通勤用聽的 → Podcast《下班學AI》
這篇哪裡寫錯、看不懂或過時了?→ 寫信告訴我
關於作者
黃敬峰(AI峰哥/阿峰老師),企業 AI 實戰培訓專家,服務客戶包含國泰人壽、工研院、士林電機、中嘉寬頻、電通、城邦媒體等。聯絡方式:ai@autolab.cloud