ChatGPT连接器静默传数据，漏洞赏金竟要身份证

一个被忽视的隐私盲区

Hacker News上出现了一条仅有7个点数、0条评论的帖子，标题直指两个看似不相关却同样令人不安的问题：ChatGPT会在用户不知情的情况下，在连接器（connectors）之间静默传递数据；而发现这一问题的漏洞赏金计划，却要求提交者提供身份证件。

这条帖子信息量有限，但它触及了AI产品生态中两个关键议题——第三方集成的数据边界，以及安全研究者的参与门槛。

连接器之间的“隐形通道”

ChatGPT的连接器机制允许用户将外部服务（如云盘、邮件、项目管理工具）接入对话，让模型直接读取和操作这些平台上的内容。按照常规理解，每个连接器应当是一个独立的数据域：用户授权A服务，不代表授权B服务。

帖子标题中“silently passes data”的表述暗示，实际行为可能偏离了这一预期——数据在连接器之间发生了用户未明确感知的流转。由于原帖未展开技术细节，我们无法确认具体触发条件与影响范围，但这一描述本身已经指向一个典型的风险模式：当AI助手同时持有多个数据源的访问权限时，“授权边界”很容易在实现层面被模糊化。

对用户而言，这意味着授权一个连接器带来的隐私暴露面，可能大于其预期。对企业用户而言，跨连接器的数据流动还可能触及合规红线——尤其是在数据分类分级管理较为严格的场景下。

什么是“连接器”（Connectors）

在OpenAI的产品语境中，连接器指的是让ChatGPT能够访问外部数据源或工具的集成能力。用户通过OAuth等方式授权后，模型可以在对话中检索云盘文件、读取邮件、查询项目管理工具中的任务等。它与“插件”（Plugins）、“GPT Actions”在概念上相近，但更强调持久化的数据源接入。技术上，连接器通常以工具调用（tool calling）的形式暴露给模型，由模型根据用户意图决定是否调用以及调用哪个连接器。关键风险在于：一旦多个连接器同时处于启用状态，模型在生成回答时可能跨数据源检索信息，而用户界面未必逐一提示“本次回答读取了哪些连接器”。这正是“静默传递”得以发生的机制土壤——授权是一次性的，但数据组合使用是动态的、难以预知的。

漏洞赏金为何要身份证

帖子的后半句同样尖锐：漏洞赏金计划要求提交者提供身份证。

漏洞赏金本是连接安全研究者与厂商的桥梁，其核心吸引力在于低门槛、快反馈。引入身份证件核验，虽然可以理解为企业出于反欺诈、合规或付款流程的考虑，但客观上提高了参与成本，也可能让部分研究者——尤其是偏好匿名提交的安全社区成员——选择沉默。

这与前半句形成了一个耐人寻味的对照：一边是产品层面数据在用户不知情时流动，一边是安全研究者在报告问题时被要求亮明身份。信息不对称的方向恰好相反。

漏洞赏金（Bug Bounty）的运作机制与身份核验的由来

漏洞赏金是厂商以公开悬赏方式征集安全漏洞报告的机制，代表性平台包括HackerOne、Bugcrowd以及各厂商自建项目。研究者提交报告后，厂商确认有效性并按严重程度发放奖金。由于涉及跨境付款、税务申报与反洗钱合规（如KYC要求），部分项目会要求提交者完成身份验证；此外，身份核验也被用于防止同一漏洞被重复提交、防范恶意研究者滥用奖励机制。但对安全社区而言，匿名性是长期传统：许多研究者担心身份暴露带来法律风险或雇主冲突，因此身份门槛会显著降低提交意愿。业界通常的做法是仅在付款环节做最小化核验，而非在提交环节即要求身份证件。

第三方集成时代的信任成本

把这两点放在一起看，指向的是同一个问题：AI助手正在成为数据的中枢，但围绕它的透明度机制尚未跟上。

连接器的价值在于打通信息孤岛，但打通的前提应当是用户对“哪些数据会流向哪里”有清晰认知。如果数据在连接器之间的流转是静默的，用户实际上失去了对数据流向的控制权。同样，漏洞赏金计划的身份门槛，也会影响外部研究者帮助发现这类问题的积极性。

由于原始帖子缺乏技术细节与官方回应，本文不对具体实现下结论。但这一讨论值得持续关注：当AI产品的能力边界不断扩展，数据流转的可见性与安全研究的开放性，应当成为产品设计中同等重要的组成部分。