Cybersikkerhet

Fireworks AI utvider redegjørelsen om sikkerhetsbruddet til å omfatte datasett og modellvekter

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Fireworks AI utvidet redegjørelsen om en sikkerhetshendelse i oktober 9. november 2026 og opplyste at angripere hadde fått tilgang til konto- og faktureringsopplysninger og, for en begrenset gruppe kunder, hemmeligheter, datasett og ufullstendige modellvekter. AI-infrastrukturleverandøren hadde først beskrevet hendelsen som uautorisert bruk av interne tilgangsopplysninger.

Den berørte interne applikasjonen ga tilgang til metadata om ressurser, blant annet identifikatorer, visningsnavn, beskrivelser og opprettelsestidspunkter. Faktureringsopplysningene omfattet fakturerings- og leveringsadresser, faktura- og betalingshistorikk, kontosaldoer og kredittbruk. Fireworks lagrer ikke betalingskortnumre, og disse ble ikke berørt. Kunder som fikk data berørt, mottar kontospesifikke detaljer og anbefalte tiltak. Den pågående etterforskningen kan avdekke flere forhold.

Utviklingsmaskiner ga en annen vei inn

Oppdateringen går lenger enn Fireworks’ opprinnelige melding 9. oktober 2026. 6. oktober 2026 oppdaget selskapet uautorisert bruk av interne tilgangsopplysninger og begynte å begrense hendelsen. En uvedkommende hadde fått tilgang til miljøvariabler som ble brukt i evalueringsjobber i et begrenset antall kundekontoer. På dette stadiet hadde Fireworks ikke oppdaget uautorisert tilgang til kundemodeller, datasett, treningsdata, personopplysninger eller inferenstrafikk innenfor selskapets sikkerhetsperimeter eller kontroll.

Kundene begynte å bli varslet 7. oktober 2026. Fireworks roterte de ansattes API-nøkler 9. oktober, og tilbakekalte flere brukernøkler og roterte tjenestekontotokenene 10. oktober 2026. Den senere aktiviteten fulgte en annen vei: En tredjeparts skyleverandør som driftet Fireworks’ maskiner for forskning og utvikling, ble rammet av en sikkerhetshendelse 23. oktober 2026.

24. oktober 2026 brukte den uvedkommende denne hendelsen som inngangsvei til Fireworks’ utviklingsmaskiner og kjørte en uautorisert arbeidslast, noe som førte til at flere kundedata ble berørt. Fireworks oppdaget aktiviteten samme dag, iverksatte utbedringstiltak og lukket kjente kritiske sårbarheter. Selskapet opplyste at det per 25. oktober 2026 ikke hadde oppdaget ytterligere vellykket uautorisert tilgang fra aktøren på plattformen kundene bruker.

Midlertidige begrensninger på håndtering av datasett

Fireworks varslet politiet og engasjerte Palo Alto Networks Unit 42 til digital etterforskning. Tiltakene Fireworks har iverksatt, omfatter tilbakekalling og erstatning av tilgangsopplysninger og tjenestekontoer, fjerning av unødvendige utvidede rettigheter, begrensning av uautoriserte nettverksbaner, isolering av berørte systemer, strengere tilgangskontroll for lagrings- og analysesystemer samt forbedret logging og overvåking.

Noen tjenester rettet mot kunder har også begrensninger. Selvbetjent opplasting og nedlasting av datasett som brukes til Batch Inference og datasettbasert trening, er deaktivert mens etterforskningen pågår. Training SDK er fortsatt tilgjengelig uten datalagring, noe som betyr at ingen treningsdata lagres permanent. Trening basert på Fireworks Lab foregår i et isolert miljø med ytterligere beskyttelse av nettverk og lagring.

Det er ikke oppdaget noen påvirkning på Inference, Training SDK eller Nexus, som alle som standard ikke lagrer data, men dette funnet er begrenset til etterforskningen så langt. Fireworks’ dokumentasjon om datasikkerhet sier at forespørsler og genererte svar ved inferens med åpne modeller ikke logges eller lagres uten at brukeren uttrykkelig har valgt dette. Nexus lagrer ikke forespørsler, svar, kode, verktøykall eller sporingsdata, men beholder tjenestemetadata som er nødvendige for å drifte tjenesten, og avidentifiserer dem etter 30 dager.

I tidligere veiledning ba Fireworks varslede kunder om å erstatte tilbakekalte Fireworks API-nøkler, rotere identifiserte tilgangsopplysninger fra tredjeparter hos leverandørene som hadde utstedt dem, gjennomgå tilhørende logger og data og se etter ukjente nøkler, brukere, evalueringsverktøy, treningsjobber og datasett. Det er ikke nok å fjerne en lagret hemmelighet for å gjøre den underliggende tilgangsopplysningen fra tredjeparten ugyldig.

Videresalgsmarkedet for LLMJacking

Fireworks sa at bevisene knytter aktiviteten til en økonomisk motivert cyberkriminell gruppe som har som mål å selge uautorisert tilgang til LLM-er gjennom ulovlige rutingsportaler, en aktivitet kjent som LLMJacking. Selskapet viste til forskning publisert 2. november 2026 av Google Threat Intelligence Group og Mandiant, som beskriver LLM Mixers som ulovlige portaler som videresender, samler og videreselger uautorisert tilgang til modeller til abonnenter i undergrunnsmiljøet. Noen operasjoner skiller det innledende kompromitteringen fra den påfølgende inntektsgenereringen.

Forskerne rapporterte at observerte urettmessige kostnader for ressursbruk i Mandiants separate etterforskninger oversteg 100 000 dollar på én dag i enkelthendelser og samlet nådde 1 million dollar hos enkelte organisasjoner før tilgangen ble tilbakekalt. Disse tallene gjelder etterforskningene generelt, ikke Fireworks’ tap. Eksponerte eller stjålne identitetstokener for skytjenester var den dominerende metoden for førstegangstilgang i disse sakene.

Forskerne anbefaler sentralisert håndtering av hemmeligheter, tilgang etter minste privilegium, regelmessige konfigurasjonsrevisjoner, kostnadskontroller og overvåking av avvikende forespørsler med lavt volum, som kan bekrefte stjålne påloggingsopplysninger uten å utløse volumbaserte varsler. Fireworks’ utskifting av påloggingsopplysninger, begrensning av privilegier og utvidede overvåking er i tråd med flere av disse forsvarstiltakene, samtidig som oppdateringen også synliggjør risikoen knyttet til utviklingsmaskiner og tredjepartsinfrastruktur.

For Fireworks-kunder omfatter håndteringen nå mer enn bare utskifting av nøkler: De må også vurdere faktureringsinformasjon og, for den begrensede gruppen, datasett og uferdige modellressurser. Siden overføring av datasett fortsatt er deaktivert og etterforskningen pågår, knytter hendelsen et kompromittert utviklingsmiljø til både eksponering av KI-ressurser og forstyrrelser i arbeidsflytene som brukes til å utvikle dem.

Miles Okada er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, og dekker kunstig intelligens og cybersikkerhet med fokus på nye trusler, defensive arkitekturer og de utviklende dynamikkene mellom angripere og automatiserte systemer. Arbeidet hans undersøker hvordan AI omformer sikkerhetsoperasjoner, fra autonom trusseldeteksjon og respons til fremveksten av adversarial AI-teknikker.

Med et teknisk og etterforskningsmessig perspektiv analyserer Miles sikkerhetsforskning, hendelsesavsløringer og virkelige implementeringer for å forstå hvor AI styrker forsvar – og hvor den introduserer nye sårbarheter. Han legger særlig vekt på modellutnyttelse, dataforgiftning, angrepsautomatisering og de operative realitetene ved å sikre AI-drevne systemer i stor skala.

Artiklene skrevet av Miles Okada er AI-genererte og gjennomgås av Unite.AI sitt redaksjonsteam for å sikre nøyaktighet, grundighet og ansvarlig dekning av det raskt skiftende AI-sikkerhetslandskapet.