أعلنت شركة Cloudflare عن إصلاح ثغرة أمنية أدت إلى كشف بيانات المستخدمين (Tenant Isolation Issue) في نموذج الذكاء الاصطناعي GLM-5.3 المتاح عبر منصة Workers AI. تسببت المشكلة في تسريب أجزاء من بيانات طلبات مستخدمين سابقين إلى مستخدمين آخرين، وذلك نتيجة تداخل تقني بين إعدادات النموذج ومحرك الاستدلال المستخدم.
تفاصيل الحادثة والنطاق المتأثر
بدأت المشكلة في 27 أغسطس 2026، وتم اكتشافها في 8 سبتمبر 2026 عبر برنامج HackerOne من قبل الباحث الأمني Gadi Evron من شركة Knostic. وأوضحت Cloudflare أن الثغرة أثرت على 155 استجابة فقط، وكانت جميعها مرتبطة بطلبات (Prompts) طويلة جداً تتجاوز 681,280 توكن.
طمأنت الشركة مستخدميها بأنه لا يوجد دليل على استغلال متعمد لهذه الثغرة من قبل جهات خارجية، كما أكدت أن المشكلة كانت محصورة فقط في نموذج GLM-5.3 ولم تمتد إلى أي نماذج أخرى مستضافة على منصة Workers AI.
كيف حدث التسريب تقنياً؟
يعود السبب في هذا التسريب إلى تضافر عاملين تقنيين: الأول هو خطأ في الإعدادات (Misconfiguration)، حيث تم إطلاق نموذج GLM-5.3 بنافذة سياق (Context Window) تبلغ 1,048,576 توكن، بينما كانت مساحة ذاكرة التخزين المؤقت للمفاتيح والقيم (KV cache pool) في وحدات معالجة الرسومات (GPUs) المخصصة لعملية الـ prefill لا تتسع إلا لـ 681,280 توكن فقط.
أما العامل الثاني فهو خطأ برمجى (Bug) في محرك الاستدلال مفتوح المصدر SGLang. في بيئة الاستدلال المنفصلة (Disaggregated mode) التي تستخدمها Cloudflare، عندما كان يصل طلب يتجاوز سعة الذاكرة المتاحة، كان المحرك يقوم باستبدال الطلب بـ "نائب" (Placeholder) مكون من توكن واحد فقط. وبدلاً من رفض الطلب وإرسال خطأ للعميل، كانت عملية الـ prefill ترسل هذا النائب إلى عقدة الـ decode، والتي كانت تفترض خطأً أن الذاكرة قد تم تحديثها بالكامل بالبيانات الجديدة، بينما كانت في الواقع لا تزال تحتوي على صفحات ذاكرة (Cache pages) قديمة تعود لطلبات مستخدمين آخرين، مما أدى لظهور تلك البيانات في استجابة المستخدم الجديد.
الإجراءات التصحيحية والحلول المستدامة
قامت Cloudflare باتخاذ خطوات فورية لعزل النموذج وإصلاح الخلل، شملت:
- تعديل الإعدادات: زيادة حجم مجمع الـ KV cache ليتسع لضعف نافذة السياق المطلوبة (حوالي 2.04 مليون توكن)، مما يضمن عدم وصول الطلبات إلى مسار الرفض البرمجي.
- ترقيع محرك SGLang: العمل مع مطوري SGLang لضمان رفض الطلبات غير الصالحة في مرحلة مبكرة جداً قبل بدء أي عملية نقل للبيانات عبر الشبكة.
- تعزيز الأمان: تطبيق تحسينات إضافية على جميع عمليات نشر SGLang لضمان التحقق من سلامة البيانات المنقولة وتجنب سباقات البيانات (Race conditions) بين العقد.
لماذا يهم هذا الخبر؟
تُسلط هذه الحادثة الضوء على التحديات الأمنية المعقدة في بيئات الذكاء الاصطناعي السحابية متعددة المستأجرين (Multi-tenant). مع توجه الشركات نحو بنية الاستدلال المنفصل (Disaggregated Inference) لرفع الكفاءة والسرعة، تصبح إدارة "ملكية صفحات الذاكرة" (Memory page ownership) أمراً حرجاً. أي خطأ في التنسيق بين عقد الـ prefill والـ decode قد يؤدي إلى تسريب بيانات حساسة عبر الذاكرة المشتركة، مما يجعل التحقق من سلامة البيانات (Data Integrity) في الأنظمة الموزعة ضرورة أمنية لا تقل أهمية عن تشفير البيانات التقليدي.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.