NEAR AI 安全漏洞揭露帳戶資料及機密推理限制
NEAR AI 表示,攻擊者利用在其基礎設施上為 AI 模型提供服務的軟件 SGLang,下載了約 100 名用戶的帳戶詳情。這宗 NEAR AI 安全漏洞亦影響舊版代理,並暴露客戶憑證。事件的重要性不止於受影響帳戶數目:在遭入侵伺服器上以機密模式執行的請求,可能會被觀察到。
公司於 2026 年 11 月 9 日披露事件。其說明將已確認的資料存取,與處理期間請求可能被觀察到的情況分開。這項區分十分重要,因為已儲存對話、代理歷史記錄及即時請求所代表的暴露風險並不相同。將它們混為一談,既會誇大部分發現,也會掩蓋其他問題。
核心矛盾在於:防護範圍究竟是針對基礎設施營運者,還是針對存在漏洞的應用程式軟件。Microsoft Azure 和 Google Cloud 亦透過具體的安全邊界描述機密運算。對買家而言,NEAR AI 的披露令這些邊界成為實際採購問題:私隱保障究竟涵蓋哪些威脅?
NEAR AI 安全漏洞暴露了甚麼
據 The Block 報道,攻擊者進入了與 NEAR AI 已棄用的 Private Chat 服務相關的內部系統。下載的記錄包含姓名及電郵地址,部分帳戶還包括方案及結餘資料。攻擊者亦存取了公司機密運算環境以外的舊版部署中 18 個代理。取得的資料包括對話歷史、設定及日誌。兩名 Cloud 客戶的 API 金鑰——即授權軟件存取的憑證——在日誌中被暴露。這些金鑰已被撤銷。這些屬於不同類別的帳戶資料暴露,對受影響客戶的含義亦各有不同。
已確認的發現描述了多種不同的暴露情況,而非單一個包含各類客戶資料的資料庫。
這種區分應影響讀者如何理解事件。帳戶記錄識別個人或帳戶關係。代理歷史包含與特定應用程式相關的互動。存取憑證則容許在服務所授予的權限範圍內執行操作。
因此,實際後果取決於所涉類別。評估身份資料暴露的人,需要的資訊與調查應用程式憑證的人不同。代理擁有人則需要了解受影響歷史記錄的內容及背景。一則新聞標題無法回答所有這些問題。
設想一個示例性的商業工作流程:一個助理協助摘要內部專案討論。暴露的帳戶地址所揭示的資訊,與包含專案詳情的已取得對話不同。出現在診斷日誌中的憑證則帶來另一個問題:該憑證授權了甚麼存取權限?這個例子旨在說明各類別,而非描述已核實的受影響客戶。
有關對話儲存的措辭亦需要審慎處理。NEAR AI 表示,沒有跡象顯示已儲存的 Private Chat 對話或上載檔案被存取。另方面,公司指出,11 月 8 日在遭入侵伺服器上處理的請求可能被觀察到,包括機密請求。
兩項說法並不互相抵銷。關於已儲存資料的發現,並不能回答資訊在處理期間是否可見。同樣,可能可見並不表示攻擊者擷取了每一個請求。
因此,搜尋「NEAR AI 漏洞解釋」的讀者,應預期看到一份界定清楚的發現說明。有用的解釋會指出系統、資訊類別、證據程度及尚存的不確定性。它避免將附帶條件的披露,變成籠統的安撫說法或全面遭入侵的主張。
這個框架亦可避免將人與代理作出誤導性比較。代理是一項應用程式部署,未必代表一個獨立個人。把這些數字相加,只會得出一個缺乏合理意義的總數。
對客戶而言,披露的即時價值在於識別哪個類別適用於自己。對潛在買家而言,更大的問題是:為何推理伺服器會成為進入其他基礎設施的切入點。
私隱買方面對更廣泛的保障問題
壓力落在出售機密推理服務的供應商,以及決定哪些資訊應由這些服務處理的買家身上。
機密推理是指在旨在保護運算期間資訊的環境中執行 AI 模型請求。其價值取決於防護涵蓋哪些威脅。擔心基礎設施管理員的買家,與擔心應用程式程式碼遭入侵的買家,所面對的疑慮並不相同。
Microsoft 的機密運算概覽指出,Azure 的做法是在執行期間減少對營運者及其他特權角色的必要信任。它採用受硬件支援的可信任執行環境,作為隔離運算的邊界。Microsoft 表示,經適當設定的部署可防止其存取未加密的客戶資料。
這是一項有意義的安全特性,但亦有明確範圍。若以「機密」一詞取代對受保護工作負載、可信任軟件及排除威脅的說明,採購決定便會變得較不可靠。
因此,商業壓力相當具體。供應商需要令其保障措施易於理解,又不能令每次銷售對話都變成硬件研討會。買家則需要足夠細節,將這些保障與員工實際提交的資訊聯繫起來。
例如,正在評估程式編碼助理的企業,可能關注專有原始碼在模型處理期間的情況。其安全團隊或會另外關注帳戶管理、支援人員存取、保留的互動內容及應用程式憑證。涵蓋某一處理邊界的保障,並不會自動解決整個評估。
這不代表買家應拒絕機密運算,而是要將其視為服務安全論證的一個組成部分。比較 NEAR AI 與較大型雲端供應商時,同樣的推理亦適用:應比較承諾的保護措施及支持證據。
沒有依據可聲稱 Microsoft 或 Google 遭遇了相同事件。它們的文件亦不能證明任何競爭服務對應用程式漏洞免疫。它們的相關性在於,提供了一個描述安全範圍的參考。
NEAR AI 安全漏洞亦為下游產品帶來溝通問題。客戶可能與具品牌的助理互動,卻不知道哪個供應商在處理其請求。若處理供應商報告事件,客戶需要一個與其實際服務設定相關的解釋。
有用的下游回應應指出相關處理路徑,並區分既有發現與尚未解決的問題。重複供應商概括的私隱描述,無法回應客戶最核心的疑慮。
知識工作者在評估AI 知識庫時,亦面對類似挑戰。重要的比較在於資訊流向何處、誰可存取,以及哪些組件會保留資訊。單憑產品類別無法解決這些問題。
長遠而言,這會促使合約和文件更清晰。能夠精確說明其邊界的供應商,能讓客戶有具體內容可供評估。依賴未定義私隱標籤的供應商,則讓採購團隊自行推斷缺失的細節。
由此形成的標準應清晰易明:說明保護措施、識別其限制,並展示周邊服務如何應對餘下風險。
邊界內的軟件仍然重要
Cloud Security Alliance 的 AI Safety Initiative 在 11 月 11 日研究報告中分析了這宗事件。其核心區分在於硬件隔離與軟件安全。遠端認證是一種對部署已量度身份進行的密碼學檢查,可確認預期組件正在運行,但無法確認這些組件不存在可被利用的缺陷。報告亦強調受保護環境相鄰服務的重要性。這份機密推理分析提供獨立詮釋,而非對 NEAR AI 系統進行獨立法證調查。
驗證正在運行哪些軟件,以及評估該軟件是否安全,回答的是不同問題。
透過一個示例可更清楚理解這項區分。假設客戶批准某個特定應用程式版本處理敏感請求。驗證機制報告該獲批版本正在運行。若該版本含有漏洞,即使其身份與獲批版本相符,漏洞亦不會因此消失。
這正是為何透明度與安全性應互相支持,卻不應被視為可互換的主張。公開資訊可令部署更容易檢視,但檢視工作仍須評估已部署應用程式的行為及相依關係。
同樣的推理適用於修正後。客戶可受惠於知道變更後的部署包含預期的修正內容,但亦需要一項政策,說明先前獲批的軟件何時不應再處理敏感工作。
該政策帶來營運上的取捨。自動接受每一次部署變更,會削弱有意義的審查;每次修正均要求冗長的人工批准,則會令緊急更新較難採用。買家與供應商需要一套協定程序,在保留審查的同時容許及時修復。
因此,SGLang 漏洞影響的相關問題,不止於伺服器是否具備硬件保護,而是涉及處理請求的軟件所擁有的權限、介面及可取得的資訊。
這是根據已披露切入點得出的分析結果,而非重建攻擊者的確切手法。公開證據不足以支持虛構缺失的技術攻擊鏈。
Google 的Confidential Space 安全性文件說明了責任如何劃分。其威脅模型將部分保護責任歸於平台,另一些則歸於工作負載本身。對格式錯誤輸入的防禦性處理,屬於應用程式的責任範圍。文件亦指出,影響工作負載相依關係的軟件供應鏈攻擊不在其既定範圍內。
這種劃分為買家提供了有用的參考。一項服務可以提供強大的基礎設施保護,同時仍需要進行應用程式安全工作。評估應識別由誰負責該項工作,以及有哪些證據證明工作已完成。
對開發者而言,這改變了推理軟件在應用程式架構中的定位。它應接受與處理敏感輸入的元件相稱的審查。若將其描述為效能依賴項,便會忽略其安全角色。
問題亦不限於引擎本身。若受保護的工作負載需要存取另一項服務,該連線值得獲得明確說明。買家應了解該連線能實現甚麼,以及其權限如何受到限制。
最有用的架構討論始於一項務實的失效假設:應用程式元件最終可能遭入侵。設計問題隨之變為,該元件可能暴露哪些資訊和權限。
這種做法在保留硬件隔離價值的同時,也評估其無法消除的應用程式風險。
舊有系統會改變事故的範圍
淘汰產品名稱與消除其技術暴露面,是兩項不同的營運工作。
披露中提及舊有服務,引出了一個超越機密推理的問題:供應商在將已停用的功能視為完全退役前,必須完成甚麼工作?
客戶通常將退役理解為服務關係的結束。工程團隊則必須把這一狀態轉化為有關保留資訊、存取權限、支援流程和基礎設施的決定。這些決定會影響公開功能消失後,哪些內容仍可存取。
這並不表示每項退役服務都不安全。它只是提供理由,將退役視為一個安全流程來審視。「舊有」這類標籤描述的是歷史,而非現時的存取邊界。
對買家而言,相關問題在於遷移後遺留下來的資訊。把用戶遷移至較新的產品,並不足以說明其過往紀錄如何處理。一份可信的遷移說明,應同時交代舊環境與新環境。
同一原則亦適用於營運紀錄中的憑證。日誌是用於診斷應用程式行為的紀錄。其實用性可能與盡量減少敏感資訊的工作產生矛盾。調查需要足夠證據解釋事件,而日常運作則應避免保留不必要的秘密資料。
本案的報道並未證實外洩金鑰曾遭濫用。這一限制很重要。外洩構成調查權限和活動的理由;但不會自動證明其後發生了未經授權的使用。
一個說明性的應用程式整合案例,展示了為何這項區分有用。開發者得知憑證曾出現在日誌後,或會更換該憑證。調查仍須評估其權限、可存取資源及相關活動。更換處理未來的授權,而審查則處理過去可能造成的後果。
這項區分亦應影響事故報告。補救行動與影響調查結果應分別置於說明的不同部分。否則,讀者可能會把預防性回應誤解為額外損害的證據。
歷史上的 SGLang 公告提供了背景,但未有識別本次事故背後的漏洞。CERT/CC 於 7 月 30 日發布通知,描述六項漏洞,包括程式碼執行、資訊暴露和憑證披露。該機構建議限制服務介面、分隔網絡,以及停用未使用的端點。其 SGLang 漏洞通知 記錄了發布時的修補程式可用性及協調狀態。
7 月的狀態不應被呈現為關於每個部署現況的結論。列出的漏洞亦不應在沒有證據連結的情況下,被歸因於 NEAR AI 的事故。
對使用該框架的機構而言,較廣泛的 SGLang 漏洞影響是一項營運問題。它們需要可靠方式識別已部署的元件,並評估相關公告。一個服務營運商的私下修正,並不會自動解答另一個機構應部署甚麼。
對比較 AI 供應商的客戶而言,這使維護證據具備商業相關性。一張令人印象深刻的架構圖,若附有清晰說明依賴項責任、更新及退役程序,會更有用。
由此產生的評估應涵蓋整段服務關係。現時處理保護、歷史資料處理和憑證做法,各自都會影響客戶面臨的風險。
遏制措施留下重要的驗證缺口
NEAR AI 的安全事故報告表示,該公司已撤銷工作階段和管理員憑證、更換代理權杖,並將 Private Chat 下線。報告亦稱已在推理伺服器部署修正、輪換其餘憑證、完成鑑證審查,並恢復 Cloud 存取。該公司表示已通知受影響用戶,並向 SGLang 報告該漏洞。
這些是該公司所報告的回應行動;公開披露並未提供可獨立重現的驗證材料。
報告未有列出遭利用漏洞的識別碼,亦未有說明受影響及已修正的 SGLang 版本。常見漏洞與披露識別碼(Common Vulnerabilities and Exposures,通常稱為 CVE)為公開編目的漏洞提供共同參照。此處缺少該識別碼,限制了外界將事件與其他公告建立連結的把握程度。
這個缺口並不證明補救失敗。它限制了組織外部人士可從已發布說明中驗證的內容。兩者是實質上不同的結論。
同樣的審慎原則亦適用於時間。與潛在請求觀察相關的披露日期,並不能證明入侵的完整持續時間。讀者不應把它同時視為已驗證的開始和結束時間點。
更完整的時間線有助客戶了解哪些活動需要審查。它亦可釐清發現、遏制、憑證變更及服務恢復之間的關係。沒有這些資料,分析中應維持這些階段的區別。
公司所述已完成的鑑證工作,值得被準確歸因。這是有關回應的有用資訊,但不等同於發布外部評估或其底層調查證據。
同樣地,調查人員未發現特定暴露跡象的說法,描述的是調查範圍內的結論。它應維持與所述資訊類別的連結。將之擴展為涵蓋所有系統的保證,便會超越披露內容。
在協調補救期間,機構有合理理由有時不公開利用細節。然而,這種一般可能性並不能解釋為何本案缺少特定細節。揣測動機會以推測取代報道。
讀者亦不應假設,事故披露必須包含足以重現攻擊的細節。有用的中間地帶,是讓受影響機構識別暴露情況及辨認已修正部署的資訊。技術清晰度不需要公開利用方法。
對 NEAR AI 安全漏洞而言,最重要而尚未解決的問題,是外部客戶能否把補救聲稱連結至具體的軟件證據。營運商可報告其自身環境已修正,但使用同一框架的其他用戶可能仍缺乏可行的參照。
在這方面,審慎解讀比信心或恐慌更有用。公開紀錄支持討論所報告的事故和回應,但亦留下可由進一步文件解答的問題。
基於證據的解讀,應在更具體資料出現時予以肯定。若後續發現改變了所報告的範圍,也應修訂較早的評估。
三項訊號將決定下一步的變化
下一些有用的發展,是可識別的補救細節、更清晰的暴露說明,以及服務之間更強隔離的證據。
第一項訊號,是在遭利用的漏洞與已有文件記錄的修正之間建立公開連結。這可採用版本參照、公告或可供客戶評估的部署成品形式。重要特徵是可追溯性:讀者應能把事故描述與補救措施連結起來。
這類資訊會加強對補救說明的信心,亦會令披露對自行營運部署的機構更有用。持續缺乏這些資訊,代表存在資訊缺口,而非證明那些部署已遭入侵。
第二項訊號,是對請求暴露作出更精確的說明。相關細節應區分調查人員實際觀察到的情況,與被入侵伺服器可能造成的結果。更清晰的時間線及對調查證據的說明,將有助客戶評估自身活動。
擴大的調查結果會改變對事故範圍的理解。有充分證據支持的較窄結論同樣有價值。方向並不如說明是否以證據解決問題般重要。
第三項訊號,是服務邊界已有記錄的變更。買家應尋找有關推理工作負載如何與帳戶系統、舊有應用程式及營運憑證互動的說明。最有力的證據會描述可強制執行的限制,以及供應商如何評估這些限制。
這將加強回應處理了初始軟件缺陷以外後果的論點。一般性承諾會加強審查,所提供的資訊較少。客戶需要了解未來的入侵會被阻止接觸到甚麼。
這些是觀察準則,而非對 NEAR AI 承諾發布公告的預測。它們讓讀者能評估後續報道,而不會將每次產品更新都視為安全里程碑。
它們亦令分析保持聚焦。宣傳方式、模型可用性或競爭定位的改變,並不能獨立回答尚未解決的安全問題。關於受影響軟件及資訊路徑的證據才可以。
對開發者而言,實際的後續工作是了解哪一家供應商處理每一項敏感工作負載。對企業買家而言,是要求與其實際部署相符的安全說明。對個人用戶而言,是在供應商所描述的範圍內理解直接通知。
透過這些訊號解讀 NEAR AI 漏洞,便成為一個有關服務營運問責的問題。所報告的修正處理了一個進入點。更廣泛的評估則關乎客戶能否理解餘下暴露,並驗證其所依賴的保護措施。
在把敏感工作交予任何 AI 服務前,請要求其供應商以淺白語言描述完整處理路徑。識別哪些元件會接收可讀取的資訊、之後會保留甚麼,以及服務如何處理存在漏洞的軟件。要求與您實際使用的部署相連結的證據。當供應商改變架構或發布事故更新時,重新檢視該等證據。可把 NEAR AI 安全漏洞作為這些討論的具體參照,同時把已確認的調查結果與更廣泛的可能性分開。您現時供應商的私隱保證中,哪一部分今天可以驗證,而哪一部分仍取決於未獲解答的問題?



