پلتفرم Fireworks AI که در زمینه آموزش و اجرای مدل‌های هوش مصنوعی فعالیت می‌کند، از وقوع دو حمله سایبری در ماه اکتبر خبر داد. این حوادث منجر به افشای گسترده‌ای از داده‌های مشتریان، شامل سوابق صورت‌حساب (Billing records)، مجموعه‌داده‌ها (Datasets) و بخش‌هایی از وزن‌های مدل (Model weights) شده است.
بر اساس گزارش‌های منتشر شده، دومین حمله در تاریخ ۲۳ اکتبر از طریق نفوذ به یک ارائه‌دهنده خدمات ابری (Cloud provider) که میزبان ماشین‌های تحقیق و توسعه (R&D) این شرکت بود، آغاز شد. مهاجمان از این دسترسی برای رسیدن به سیستم‌های توسعه Fireworks و اجرای بارهای کاری غیرمجاز (Unauthorized workload) استفاده کردند.
تحلیل‌ها نشان می‌دهد که این حملات احتمالاً توسط مجرمان با انگیزه‌های مالی و با هدف انجام عملیات LLMJacking انجام شده است؛ تکنیکی که در آن دسترسی غیرمجاز به مدل‌های هوش مصنوعی از طریق درگاه‌های غیرقانونی فروخته می‌شود.
داده‌های آسیب‌دیده در سه دسته طبقه‌بندی شده‌اند:
- متادیتای منابع (Resource metadata): شامل شناسه‌های منابع، نام‌های نمایشی، توضیحات و زمان‌های ایجاد.
- اطلاعات صورت‌حساب (Billing information): شامل آدرس‌های صورت‌حساب و ارسال، تاریخچه فاکتورها و پرداخت‌ها، و موجودی حساب‌ها. لازم به ذکر است که شماره کارت‌های بانکی ذخیره نشده و تحت تأثیر قرار نگرفته‌اند.
- وزن‌های مدل و مجموعه‌داده‌ها (Model weights and datasets): برای برخی از مشتریان، بخشی از وزن‌های ناقص مدل‌ها و مجموعه‌داده‌ها مورد دسترسی قرار گرفته است.
این حادثه پیامدهای زنجیره تأمین (Supply chain) گسترده‌ای داشته است. به عنوان مثال، پلتفرم Notion اعلام کرد که برخی از گفتگوهای کاربران با دستیار هوش مصنوعی این پلتفرم ممکن است از طریق حادثه Fireworks افشا شده باشد. اگرچه Notion تأکید کرده که این گفتگوها فاقد اطلاعات مستقیمی برای شناسایی کاربران یا سازمان‌ها هستند، اما محتوای خودِ گفتگوها می‌تواند حاوی جزئیات شناسایی‌کننده باشد.
در جریان اقدامات اصلاحی، Fireworks با همکاری تیم Unit 42 از شرکت Palo Alto Networks، اقداماتی نظیر چرخش اعتبارنامه‌ها (Credential rotation)، جداسازی سیستم‌های آسیب‌دیده از شبکه و تقویت سیستم‌های نظارتی و دسترسی به ذخیره‌سازی داده‌ها را انجام داده است.
این دومین حادثه در ماه اکتبر برای این شرکت است؛ پیش از این نیز در تاریخ ۹ اکتبر، شناسایی استفاده غیرمجاز از اعتبارنامه‌های داخلی منجر به دسترسی مهاجمان به متغیرهای محیطی (Environment variables)، از جمله کلیدهای API و توکن‌های برخی از مشتریان شده بود.
