tl;dv 安全漏洞：超過 181,000 筆會議紀錄因 Firestore 配置錯誤而外洩

執行摘要

AI 會議錄製平台 tl;dv 的一個嚴重安全漏洞，導致來自 35,003 個電子郵件網域 的 84,312 名不重複使用者 的 181,874 筆會議紀錄 元數據外洩。由於其 Firestore 資料庫缺乏租戶隔離（tenant isolation），任何經過身份驗證的使用者都可以查詢 meetings 集合來獲取會議 ID、建立者電子郵件和錄製狀態。此漏洞允許攻擊者即時加入正在進行中的會議，包括來自 23 個國家政府機構和知名大學的會議。

技術根本原因：Firestore 租戶隔離失敗

該漏洞源於 tl;dv 的 Firestore 資料庫（projects/lmi-store/databases/(default)）未能為 meetings 集合實施正確的安全規則。雖然其他集合（例如 users、chats 和 transcripts）都已透過 403 Forbidden 回應正確受到保護，但 meetings 集合卻處於完全開放狀態。

攻擊向量

身份驗證：攻擊者註冊一個 tl;dv 帳號，獲得一個 JWT，並透過 gw.tldv.io/v1/users/firebase/token 將其交換為 Firebase token。
枚舉：使用此 token，攻擊者可以查詢 meetings 集合。
數據提取：資料庫回傳包含建立者電子郵件、提供者、時間戳記和 會議 ID（例如 Google Meet 或 Teams 房間 ID）的紀錄。
即時入侵：透過篩選狀態為 status: recording 的會議，攻擊者可以識別出正在進行中的通話，並使用外洩的會議 ID 未經授權地加入會議。

外洩範圍

會議元數據與即時存取

在研究期間，任何給定時刻大約有 1,000 場會議 處於 recording 狀態，為未經授權的進入提供了持續的即時通話流。數據外洩範圍涵蓋了大量高敏感度的網域：

政府：來自 23 個國家的實體，包括美國、烏克蘭、馬來西亞和以色列（皆為 .gov 網域）。
學術：如 Berkeley 和東京大學等機構（.edu 和 .ac 網域）。
企業：大型組織包括 HubSpot、Confluent 和 Mitsui-Soko。

公開內容外洩

除了元數據之外，研究人員還爬取了 27,334 個會議 ID 以檢查其公開可見性。超過 1,000 場會議是公開的，導致 228 個網域 中的 715 個受邀者電子郵件 外洩，其中包括烏克蘭數位轉型部和巴西政府的會議。

內部員工外洩

一個內部員工預測遊戲（worldcup.tldv.io）在其 Player 實體 API（GET /api/entities/Player）上缺乏身份驗證。這導致了 19 名 @tldv.io 員工 的全名和公司電子郵件外洩，包括共同創辦人和 CEO。

披露與企業回應

儘管外洩嚴重，該漏洞仍未修復，持續了六個月。研究人員於 2026 年 1 月 28 日回報了此問題，但公司直到 2026 年 7 月才修復了該漏洞。

| 日期 | 事件 | | :--- | :--- | | | Jan 28, 2026 | 發現漏洞並向 Raphael Allstadt 和 CTO 回報。 | Jan 29 - Feb 19, 2026 | 多次跟進；公司提供了模糊的 reassuring 確保，但未提供修復方案。 | Mar - July 2026 | 重複跟進被忽略；漏洞仍然處於活動狀態。 | July 2026 | 在公開披露後，漏洞最終被修復。

社群洞察與分析

Hacker News 上的行業觀察家和安全研究人員強調了圍繞此次外洩的幾個系統性問題：

「Firebase Footgun」

多位評論者指出，，Firebase 的架構（依賴客戶端安全規則）經常導致「技術能力不足」的問題，開發者忘記保護單一集合，導致整個租戶數據被暴露。

SOC2 與合規性表演

批評者指出，tl;dv 的諷刺之處在於，它同時聲的是 SOC2 和 GDPR 合規，卻在六個月內維持著一個嚴重的數據外洩漏洞。

"Interesting, they are SOC2 compliant, proving again that SOC2 is meaningless/useless."

AI 筆記工具的風險

此次外洩強調了將敏感的企業和政府音訊傳輸到第三方 AI 雲端中的內在風險。討論集中在於需要 local-first AI transcription 和 diarization 以防止中心化數據蜜罐。

潛在的社會工程學風險

安全專家警告，外洩的音訊和會議元數據為深度偽造（deepfake）語音釣魚提供了豐富的資源。透過獲取員工的真實音訊片段，攻擊者可以更容易地合成合成語音，進行高保真度的社會工程學攻擊。