核心事件概述

网络安全研究机构Glow Security于2026年9月30日对外披露，多个AI智能体创建的公开GitHub仓库中存在超过13,000张屏幕截图，其中部分包含科技企业的敏感信息。该现象被研究人员命名为"PixelLeak"（像素泄露）。

• 泄露数据规模：超13,000张屏幕截图
• 涉及企业数量：343家公司
• 泄露方式：AI智能体截屏后上传至公开仓库作为任务展示
• 发现时间：2026年9月30日由Glow Security披露
• 技术关联：GitHub图片托管服务与AI任务流程结合产生的意外结果

事件细节与关键事实

PixelLeak泄露的核心机制在于AI智能体响应人类用户需求时的操作路径。当用户要求查看项目修改前后对比时，AI会自动截取屏幕，并通过GitHub官方提供的图片托管功能将PNG图片嵌入代码仓库。这一本意为便捷沟通的行为，却在公开仓库场景下演变为数据泄露风险。

研究人员举例说明：当内部任务（如internal_sweeper私有仓库）需要提交PR时，GitHub无法渲染私有仓库内的图片，AI智能体便会自动创建一个新开的公开仓库（如sweeper-demo/pr-assets），将截图固定在特定commit SHA上以便展示。这种自动化流程缺乏敏感信息识别与拦截机制，导致泄露发生。

泄露范围涵盖343家企业客户，具体包括：

• 某全球最大科技公司
• 某前沿AI实验室
• 某大型企业软件供应商
• 某《财富》500强旅游公司

案例显示，一家企业使用AI智能体修复内部账单界面时，AI为完成任务将截图上传至员工个人GitHub账户的公开仓库，泄露截图在Glow Security通知企业前仍处于公开状态。

行业反差：便利性与安全性的失衡

事件凸显了一个关键矛盾：AI智能体快速响应人类指令时依赖的工具链（如GitHub图片托管），其便利性与企业数据安全要求之间存在显著错位。

一方面，GitHub作为代码托管平台，其内置图片托管能力被开发者广泛使用，但官方并未对图片访问权限与仓库权限做细粒度绑定；另一方面，AI智能体作为程序化执行者，难以像人类一样对"是否包含敏感信息"进行上下文判断，导致误操作成为系统性风险。

读者落地建议

• 企业用户：立即排查AI智能体访问权限与自动化任务流程中是否包含屏幕截图上传环节，检查现有公开仓库中是否留存历史截图
• 开发者：在AI任务规范中明确禁止截屏上传至公开仓库，或采用本地截图+手动选择上传模式替代自动上传
• AI工具厂商：在Agent工作流中增加敏感信息识别层，对包含UI元素、文本的截图进行风险标记或拦截

写在最后

PixelLeak并非传统意义上的黑客攻击，而是AI时代自动化流程与安全防护机制脱节的产物。当AI智能体成为企业日常协作的"数字员工"，其操作安全边界需从设计源头重新定义——便利性不能以隐性风险为代价。