Waarom vibe-coded apps vaker kwetsbaar zijn
Apps gebouwd met Cursor, Bolt, Lovable, v0 of Replit Agent bevatten keer op keer dezelfde kwetsbaarheidspatronen. Dat komt doordat AI optimaliseert voor werkend, niet voor veilig. Een pentester-analyse van het probleem en wat eraan te doen.
Wat is vibe coding?
"Vibe coding" (een term die in 2025 viraal ging) beschrijft een nieuwe manier van software bouwen: in plaats van zelf code te schrijven, beschrijft de gebruiker wat de software moet doen aan een AI-tool, die vervolgens werkende code produceert. Cursor, Bolt.new, Lovable, v0, Replit Agent en Claude Code zijn de bekendste tools. Met een goede prompt heeft u in een middag een werkende MVP.
Het effect op productontwikkeling is dramatisch. Solo founders bouwen in weken wat eerder een team van vijf in een halfjaar bouwde. Indie hackers gaan live met productie-applicaties zonder ooit een ORM, een security header of een autorisatiemodel handmatig te configureren.
Het effect op security is helaas net zo dramatisch, maar dan de andere kant op.
Het patroon dat ik keer op keer zie
In nagenoeg elke vibe-coded applicatie die ik review duiken dezelfde klassen van kwetsbaarheden op. Dit is een direct gevolg van hoe AI coding tools werken en zegt niets over de vaardigheid van de bouwer.
1. Missende autorisatie op endpoints
De AI genereert een endpoint zoals GET /api/users/:id. Authenticatie is aanwezig, want de gebruiker moet ingelogd zijn. Maar autorisatie, de check of déze gebruiker dít specifieke user-object mag opvragen, ontbreekt. Het gevolg is dat elke ingelogde gebruiker elk ander gebruikersaccount kan opvragen door simpelweg het ID in de URL te veranderen.
De AI mist dit omdat in de prompt "voeg authenticatie toe" stond en object-level access control er niet in. De AI heeft geen ingebouwde notie van "wie mag wat". Dat moet u expliciet uitleggen.
2. IDOR via sequentiële ID's
Daaraan verwant is dat vrijwel alle vibe-coded apps auto-increment integer-ID's in URL's gebruiken. ?order=1042 ophogen naar ?order=1043 en als de autorisatiecheck mist (zie boven) ziet u iemand anders zijn bestelling, dossier, projectje of wat dan ook. Dit is de klassieke IDOR-kwetsbaarheid, en in vibe-coded code is hij vrijwel standaard aanwezig.
3. Hardcoded secrets en blootgestelde API-keys
Stripe-keys in client-side bundles. OpenAI-tokens in .env.local-bestanden gecommit naar git. Database-URLs in server-rendered Next.js pages die per ongeluk via getServerSideProps mee de client in gaan. Supabase service-role keys publiek toegankelijk.
De AI plaatst de key daar waar de feature "in één keer werkt". Dat is vaak de verkeerde kant van de netwerkgrens: server-only secrets belanden client-side, of nog erger, in publieke git repos.
4. Onveilige database-queries op edge cases
Meestal gebruikt de AI keurig een ORM met parameterized queries. Soms wordt echter, vooral bij filter, search en advanced query features, opeens user input rechtstreeks in een querystring geplakt. Klassieke SQL injection, op het laatste feature dat u verwachtte.
5. Te ruime CORS
Access-Control-Allow-Origin: * in combinatie met credentials: 'include'. Werkt prima, en geeft elke willekeurige website toestemming om in naam van uw ingelogde gebruikers requests te doen naar uw API. Een fatale combinatie die door geen enkele scanner als kritiek wordt aangemerkt, omdat ze configuratie- en gebruiksspecifiek is en daardoor onzichtbaar voor geautomatiseerde tools.
De AI doet dit omdat de prompt "los die CORS-error op" was. De AI lost het op met de meest permissieve configuratie die de error wegneemt.
6. Admin-routes die alleen client-side beschermd zijn
De React app heeft een mooi route-guard component dat checkt of user.role === 'admin'. Dat is te omzeilen door de browser-devtools te openen of direct een request naar het API-endpoint te doen. Server-side is er geen check, dus de admin route was alleen visueel beschermd.
7. Supabase/Firebase met onbeschermde tabellen
Supabase en Firebase zijn enorm populair in vibe-coded apps, terecht, want ze schalen prima en het AI-model snapt ze. Maar Row-Level Security (RLS) is bij Supabase standaard uit. De AI maakt tabellen aan, de data stroomt, en niemand zet RLS aan. Of er worden policies gemaakt die er goed uitzien maar via filterketens cross-tenant data toegankelijk maken.
8. Prompt injection & AI feature abuse
Als uw app een LLM aanroept met user input (een chatbot, een document-analyseflow, een AI-agent), dan is dat een aanvalsoppervlak. Gebruikers kunnen system prompts kapen, data uit de context onttrekken of tools aanroepen die u niet bedoeld had. De meeste vibe-coded apps hebben hier geen verdediging tegen. Het bestaat standaard niet; u moet het expliciet bouwen.
Waarom AI dit consistent fout doet
Dit zijn directe gevolgen van hoe de AI-tools werken. Drie structurele oorzaken:
De trainingsdata is gemiddeld onveilige code
AI-coding tools zijn getraind op publieke code-repositories. Het gemiddelde securityniveau van publieke code is laag. De meeste tutorials, voorbeeldprojecten en GitHub-snippets hebben geen productie-grade security. De AI imiteert wat hij gezien heeft.
De optimalisatiefunctie is "make it work"
Vraag een AI "fix this CORS error" en hij kiest de configuratie die het probleem wegneemt. Vraag hem "let users edit their profile" en hij bouwt een endpoint. Hij is niet getraind om te vragen: "moeten andere users dit kunnen zien? wie mag dit?" Die vragen stelt een ervaren ontwikkelaar, een AI niet.
Natural language is per definitie ambigu
Wanneer u zegt "let users edit their profile", denkt u: "users kunnen alleen hun eigen profiel bewerken". De AI denkt dat misschien ook, en bouwt het. Of niet, en bouwt een endpoint waar iedereen alle profielen kan bewerken. U weet pas welke van de twee als u de gegenereerde code grondig leest. En als u dat zou kunnen, had u het zelf wel geschreven.
Dit is geen kritiek op AI-tools of op vibe coders. AI-tools zijn buitengewoon: ze comprimeren maanden in dagen. Het punt is alleen dat shipped functionaliteit ≠ shipped security. En dat gat moet iemand bewust dichten.
Is uw app grotendeels met AI gebouwd en klaar om live te gaan, laat de beveiliging dan handmatig testen vóór uw livegang, zodat dezelfde AI-patronen niet in productie belanden.
Vraag een gratis intake aan →Waarom scanners deze problemen missen
"Run gewoon Snyk, Semgrep of Dependabot" is het standaard-advies. Nuttig voor bekende CVE's en library-kwetsbaarheden. Maar het bovenstaande patroon is bijna volledig logica, autorisatie en architectuur. Dat is:
- Niet pattern-matchable: het hangt af van uw datamodel en bedoelde toegangsregels
- Niet in een signature-database: het is business logic
- App-specifiek: een scanner weet niet wie wat zou moeten zien
- Vaak verspreid over meerdere files: een aanvaller combineert drie kleine zaken tot één inbraak
De enige manier om ze te vinden is dat een mens als aanvaller denkt terwijl hij door uw applicatie heen werkt, en dat doet een pentest.
Wat u eraan kunt doen, voor en tijdens het bouwen
Stel autorisatie expliciet
Neem bij elke nieuwe feature in de prompt op: "make sure only the owner can read/edit/delete". Dat ene zinnetje verandert wat de AI bouwt. Standaard bouwt de AI die check niet in. Vraagt u er expliciet om, dan doet hij het wel.
UUIDs in plaats van auto-increment ID's
Gebruik standaard UUIDs als public resource identifiers. Auto-increment ID's blijven prima als interne database-keys, maar maak ze niet zichtbaar in URL's. Dit elimineert IDOR-via-guessing als hele klasse.
RLS aanzetten: direct
Voor Supabase/Firebase: zet Row-Level Security per tabel áán op het moment dat u de tabel aanmaakt. Test policies door als andere user te queryen. Een policy die compileert is niet hetzelfde als een policy die juist filtert.
Lees zelf wat de AI bouwt
Dit is moeilijk maar essentieel. Lees voor elk endpoint dat gebruikersdata raakt de gegenereerde code. Zoek naar autorisatiechecks. Vraag de AI: "audit this endpoint for authorization, IDOR, and input validation issues. What's missing?", en hij vindt vaak zelf de problemen.
Plan een pentest vóór serieuze launch
Laat een handmatige pentest uitvoeren voordat u live gaat met betalende klanten, voordat u persoonsgegevens verwerkt en voordat een investeerder due diligence doet. Een week werk, vaste prijs, met een rapport in begrijpelijke taal. De vibe-coded app security audit van Resync is hierop ingericht.
Conclusie
Vibe coding is een enorme versnelling, voor productontwikkeling, voor solo founders, voor experimenten. Maar security is een eigenstandige discipline die de AI niet voor u doet. De vulnerability-patronen in vibe-coded apps zijn voorspelbaar, en dat is goed nieuws: voorspelbare problemen zijn oplosbaar.
Wat werkt, is bewust security in uw prompts inbouwen, RLS standaard aan, UUIDs als public IDs en, vóór serieuze launch, een onafhankelijke pentest. Snel bouwen en veilig lanceren sluiten elkaar niet uit.
Audit uw vibe-coded app.
Handmatige pentest specifiek voor AI-gegenereerde apps. Vaste prijs, hertest inbegrepen.
Naar de dienst-pagina →