top of page

Uber 司機資料外洩與 Fireworks AI 有關

8 小時前
讀畢需時 12 分鐘
Illustrative photograph. Photo: Sora Shimazaki / Pexels.

Uber 在 2026 年 11 月 10 日開始通知司機,指攻擊者透過一間服務供應商遭入侵的憑證,存取了個人資料。這宗 Uber 司機資料外洩令一項具體的安全失誤受到檢視:攻擊者利用獲授權的存取途徑接觸敏感紀錄。壓力因此同時落在收集這些紀錄的公司,以及受信任處理資料的供應商身上。

根據 TechCrunch 11 月 16 日的司機資料外洩更新,Uber 確認 Fireworks AI 為涉事供應商;俄勒岡州的一份申報文件列出已通知 149,346 人。

核心矛盾在於供應商存取權限的實用性,與供應商憑證遭竊後令未授權活動看似合法的風險。Notion 另外一宗涉及 Fireworks 的披露,為這個問題提供了另一個參考點。對企業買家而言,問題不止於哪個 AI 模型處理某項工作,還包括敏感資料存放在哪裏、誰可調取,以及監控系統能否分辨入侵者與受信任供應商。

Uber 司機資料外洩早於 11 月新聞出現前已發生

11 月的披露所描述的是 10 月發生的事故,而不是在新聞出現時才發現的新入侵。

Uber 的安全事故通知把供應商的警告與公司其後的調查結果分開說明。供應商於 10 月 9 日通知 Uber,其內部憑證已遭入侵。Uber 表示已中斷與該供應商的連接並展開調查,並於 10 月 13 日確認有人曾存取個人資料。

這個時序很重要,因為通知日期、入侵日期和調查里程碑回答的是不同問題。一封信只會告知收件人公司何時傳達調查結果,未必反映攻擊者何時首次進入系統,或調查人員何時掌握全部影響。

加州資料外洩登記冊記錄 10 月 7 日為外洩日期、11 月 10 日為申報日期。這些記錄符合一條包含不同存取、通知及確認節點的時間線,不應被壓縮成單一發現日期。

公開通知範本亦有其限制。當中針對具體資料元素及監察期限的欄位仍未填寫。這些空白不足以支持有關每名收件人的資料,或支援期限的結論。

其羅德島州附錄指出,約有 1,873 名受影響居民。這是州級數字,並非全國總數。同樣地,除非其範圍及涵蓋程度經獨立核實,否則把個別州份數字相加只會得出不完整的圖像。

11 月 16 日報道的較大通知人數,改變了公開敘述中的事件規模,但不會改變 10 月實際存取發生的時間。通知人數亦不應自動演變為關於所有 Uber 司機、所有駕駛執照文件或所有司法管轄區的說法。

對讀者而言,這項區分可避免一宗持續擴大的披露看來像接連發現多宗新攻擊。額外申報可澄清同一宗事故,卻不代表另有入侵。反過來說,早期新聞標題也不能永久量度最終影響。

這條時間線亦劃出一個重要的報道界線。現有證據支持供應商憑證遭入侵並與司機資料有關,但不足以證明 Uber 所有系統均遭入侵,或每名司機的紀錄都可公開取得。

尚待解答的問題更為具體:一段合法供應商關係如何令敏感資料暴露,以及哪些控制措施本應限制這次暴露。一份更詳盡的州級申報文件令這個問題更清晰。

有效供應商憑證令監控未有示警

Uber 的說法描述了一宗跨越組織邊界的存取失誤,卻沒有跨越任何意料之外的技術途徑。

公司的愛荷華州資料外洩申報文件指出,受影響資料包括駕駛執照影像,以及擷取出的姓名、地址、出生日期和駕駛執照號碼。文件稱,相關資料位於一個專門支援供應商工作的 Uber 雲端環境。

Uber 表示,該環境設有安全監督及警示機制。然而,由於使用的是有效供應商憑證及獲准資料流,相關存取未有觸發警示。申報文件稱,這些憑證未有通往 Uber 其他系統。Uber 表示已刪除或輪換相關存取憑證。

憑證是系統用作接受權限證明的數碼識別資料或秘密。一旦攻擊者取得有效憑證,存取請求便可通過一般權限檢查。系統可以識別帳戶,卻無法識別實際控制該帳戶的人。

這造成認證與意圖之間一項棘手的分別。認證可確認請求附帶獲接納的身份證明,卻不能確認該請求符合原先為該身份所批准的業務目的。

該申報文件並未顯示 Uber 完全沒有監控。它描述的是未有標記這項活動的監控。這個較狹窄的發現十分重要,因為修正工作取決於理解看似合法的存取為何能避過注意。

系統可以執行既定權限,同時仍暴露超出業務原意的資料。這是源於過多權限、不足的行為檢查,還是其他弱點,仍需更多證據。公開資料未能解決這項工程問題。

對企業安全團隊而言,這宗事故挑戰了一項常見假設:專用環境及已啟用的警示,必然能提供有意義的隔離。這些控制措施仍然有用,但其名稱很少說明它們實際能防止或偵測哪些行動。

專用環境可以限制遭入侵憑證的可及範圍,同時仍然存有高度敏感的紀錄。同樣地,警示可以涵蓋部分可疑行為,卻忽略經既有途徑進行的活動。要評估任何一項保障措施,都需要檢視其實際邊界。

從分析角度看,供應商存取權限應被視為持續存在的能力,值得不斷審視。採購批准建立了一段關係,卻不代表供應商憑證日後的每次使用都仍然恰當。

這就是為何事件不能簡化為受影響服務是否使用 AI。所描述的存取問題,涉及權限、儲存的資料,以及組織之間的信任。AI 基礎設施構成業務背景,但有記錄的失誤涉及傳統存取控制。

對 Uber 而言,壓力集中於解釋供應商為何需要相關資料,以及這項存取如何受到限制。對 Fireworks 而言,重點則是受信任憑證的保護。要理解同一次資料暴露,兩方面的解釋都不可或缺。

司機紀錄改變 AI 外判的利害關係

敏感身份紀錄令供應商安全問題影響到從未選擇該供應商的人。

司機為參與 Uber 服務而提供資料。這些司機一般不會就 Uber 與其技術供應商之間的安全架構進行談判。然而,該關係中的一次入侵仍可影響司機的個人資料。

選擇供應商的公司與承受資料暴露風險的人,因而處於不同位置。公司衡量營運效益及合約承諾;個人則須理解通知內容,並判斷事件對自身紀錄的意義。

這種不對等令存取目的尤其重要。本文檢視的公開證據未能證實,為何這個特定工作流程需要駕駛執照資料。把這些文件描述為訓練材料,或歸因於其他未經核實的用途,均屬猜測。

正確的問題更狹窄,也更有用:甚麼工作合理地要求讓供應商存取可識別個人身份的資料?清晰答案可讓客戶評估該存取是否符合目的。在沒有答案的情況下,讀者不應以有關模型訓練的假設填補空白。

駕駛執照影像及擷取文字亦代表不同形式的敏感資料。影像保留原始文件的外觀;擷取文字則讓軟件更容易處理、搜尋或在系統之間轉移特定欄位。

即使沒有後續濫用的證據,這項分別仍帶來架構問題。一個工作流程可在完成原本合法任務的同時,產生額外可存取的資料形式。每種保留形式都應有各自的存取及刪除決定。

同樣的推理適用於涉及僱員文件、客戶通訊或內部研究的企業 AI 項目。處理紀錄與保留可重用副本是兩個獨立決定。一個有用的應用程式不會自動合理化每一份下游副本或每一項持續權限。

對買家而言,這改變了供應商盡職審查的實際意義。只聚焦於應用程式可見功能的安全審查,會忽略支撐這些功能的資料。評估應追蹤紀錄經歷的儲存、處理、管理及刪除環節。

這亦改變公司應如何解釋事故。說明有供應商參與,只指出技術鏈的一部分,並未回答收集資料的公司如何在這條鏈中盡量減少暴露。

資料外洩通知必然簡短,但其範圍不應成為問責的上限。客戶需要足夠細節,以理解甚麼已改變、甚麼仍然暴露,以及哪些保障現已不同。籠統保證無法取代這些區分。

因此,Uber 眼前的挑戰既關乎營運,也關乎說明。要重建信心,便需要一套連貫的存取及遏止措施交代。公眾毋須取得個人紀錄或敏感技術機密,也可評估該交代是否回應已記錄的失誤。

儲存的資料令零保留聲稱更複雜

只有當讀者了解其實涵蓋哪些服務、紀錄及支援系統時,資料保留承諾才有幫助。

Fireworks 在 11 月 9 日的安全事故更新中,將調查結果擴展至最初發現的秘密資料以外。公司描述部分帳戶的帳戶及帳單資料暴露,以及秘密資料、資料集和未完成模型。它亦報告稱,10 月期間另有透過雲端供應商進行的活動。

Fireworks 表示,尚未發現其預設零資料保留服務受到影響,同時強調相關發現仍屬初步。零資料保留是指服務在處理後不保留其涵蓋範圍內的客戶資料,惟須受其界定範圍所限。

該公司表示,已實施憑證限制、網絡隔離、儲存控制及加強日誌記錄。調查期間,亦停用了部分自助資料集傳輸功能。這些是公司對其應對措施的描述,並非獨立確認所有資料暴露均已解決。

關鍵分別在於:一項服務可在不保留資料的情況下處理資訊;而另一個工作流程則會刻意儲存資訊。供應商可以同時營運兩者。關於某項服務的聲明,並不會自動涵蓋機構內每個應用程式、資料集或管理系統。

這並不足以證明 Fireworks 違反了其對 Uber 的特定資料保留承諾。本文所審閱的公開資料,未能釐清該合作關係在合約或技術上的範圍。將每一項受影響紀錄都視為違反資料保留承諾的證據,會超出現有證據所能支持的結論。

不過,這確實揭示了一個採購問題。買家往往先看到簡短的安全聲明,然後才了解背後的詳細架構。聲明越簡短,便越容易被套用到其從未涵蓋的系統上。

有意義的評估必須把承諾連結到特定的資訊流向。哪些紀錄會進入服務?哪些副本會在其他地方持續保存?哪些帳戶可取回這些資料?這些問題有別於模型回應本身是否被保留。

在比較 AI 基礎設施選項時,這個分別尤其重要。託管供應商、專用部署及內部營運系統,會把責任放在不同位置。沒有任何一種方案會自動免除控制特權存取或追蹤已儲存副本的需要。

內部營運可讓公司取得更直接的控制權,但同時增加自身的維護責任。託管服務可減少營運工作,但會建立另一道組織邊界。相關取捨在於:誰可以存取資訊,以及誰可以驗證這些限制。

模型能力比較無法解決這種取捨。較快或較準確的模型,仍可能置於不合適的資訊工作流程中。相反,設有審慎限制的工作流程,也不能證明其供應商不存在其他安全弱點。

對買家而言,這宗事件強化了在工作流程層面評估服務的理由。當資料暴露取決於特定儲存環境、憑證或支援功能時,廣泛的供應商標籤幫助不大。

懷疑性的解讀應保持精確。Fireworks 的調查結果可支持對受影響系統的憂慮,同時保留其他服務可能不在已偵測影響範圍內的可能性。尊重這個分別可提升審視質素,因為它把注意力引向證據,而非超出紀錄所支持範圍的指控。

Notion 顯示相同供應商風險如何延伸至工作應用程式

共享的基礎設施供應商,可把事件連繫至服務截然不同用戶群的產品。

Notion 的 AI 事件公告指出,受影響的工作空間少於 1%。該公司識別出與其 Insights 功能相關的聊天記錄。Notion 表示,已中斷與 Fireworks 的連接、在調查期間停用 Insights,並停止透過該供應商提供開放權重模型。

Notion 亦表示已撤銷外洩的 Notion 存取金鑰,並就受影響訊息中發現的其他供應商金鑰發出警示。存取金鑰是一種讓應用程式使用服務的軟件憑證。它出現在對話中,可能造成超越對話內容本身外洩的後果。

這些細節提供的是比較,而非 Uber 與 Notion 使用相同工作流程的證據。司機身分紀錄與工作場所聊天記錄涉及不同的資料暴露問題,不應混合成單一且未作區分的資料集。

共同元素是應用程式與其支援基礎設施之間的關係。用戶會與 Uber 或 Notion 互動;而在這些介面背後執行工作的基礎設施,則可能引入另一個需要保護資訊或存取權限的位置。

Notion 的應對措施亦說明,替換供應商是一項營運決策,而非簡單更換模型名稱。公司可能需要停用某項功能、中斷工作流程,或檢查已保留的資訊。分離的成本取決於供應商參與產品的深度。

這為評估自身依賴關係的企業買家提供有用參考。供應商關係應在事件令分離變得迫切前,已具備退出路徑。存在另一個模型供應商,並不代表特定工作流程可安全或即時遷移。

移除識別標籤與移除敏感內容之間亦有分別。即使記錄沒有附上帳戶名稱,仍可能包含作者輸入的資訊。其重要性取決於文字內容本身,而不僅是周邊標籤。

這是一項分析上的關注,而非聲稱每段受影響的 Notion 對話都包含可識別資訊。公告所界定的範圍應保持完整。有限比例的工作空間不代表所有用戶均有資料暴露,正如沒有署名的記錄也不代表內容無害。

對知識工作者而言,這項比較令資料邊界變得更具體。關於 個人知識庫 的問題,應包括誰可處理其內容,以及支援性副本會在哪裏持續保存。

這項考量適用於不同產品類別及供應商。私人文件即使成為節錄、摘要或評估範例後,仍可能屬敏感資料。可見介面很少會說明資訊在過程中會以哪些技術形式存在。

因此,Uber 司機資料外洩事件的相關性不止於交通運輸領域。它顯示資訊鏈與用戶所選應用程式同樣重要。Notion 的披露強化了這一點,但未能證明每個 AI 應用程式都採用相同架構或面對相同資料暴露。

下一輪披露須說明範圍與保障措施

下一步有意義的發展,是穩定的受影響人數、更清晰的存取說明,以及證明糾正控制措施已處理已記錄失誤的證據。

首先,留意整合後的通知數字及明確定義的資料類別。11 月 16 日的數字是某個日期的報告里程碑。後續文件應釐清,較後數字代表額外受影響人士、修正後估算,還是以不同方式計算同一群體。

穩定且已核對的數字,會加強外界對調查範圍的信心;無法解釋的變動則會削弱信心。有用的訊號並非標題是否包含較大數字,而是公司有否說明該數字與先前披露的關係。

同一標準亦適用於所涉紀錄。描述駕駛執照影像及擷取欄位的文件,比泛稱個人資料提供更多資訊。未來更新應釐清適用類別,但不應暗示每名收件人都有相同紀錄外洩。

第二,留意有關憑證途徑及受影響工作流程用途的更完整說明。公開紀錄已指出,有效供應商存取權是核心因素。下一步是說明該存取權受何種界限限制,以及為何觀察到的活動未觸發警示。

精確說明可加強這種觀點:事件失誤已被充分理解,足以進行修補。若回應僅限於概括的安全改善,核心機制仍未解決。若能披露其範圍及限制,獨立評估將尤其有用。

這並不要求公開可讓其他人再次入侵的細節。公司可在不洩露秘密的情況下,說明存取邊界、偵測目標及修復驗證。重要證據在於,回應是否針對文件所描述的行為。

第三,留意供應商及客戶如何驗證已儲存資料與已連接帳戶的封堵情況。輪換憑證可以關閉一條存取途徑,但本身不能證明先前透過該途徑取得的資訊後來如何處理。

已測試限制、已完成的客戶影響評估,以及界限清晰的資料保留做法,將加強對回應的信心。其他無法解釋的存取發現則會削弱信心。完成的調查應把已採取的行動,與那些行動實際減低的風險連繫起來。

讀者亦應區分資料暴露與有記錄的後續濫用。Uber 的通知範本指出,截至所描述時間,公司未發現任何濫用情況。該說法不會推翻存取發現,也不保證日後不可能出現濫用。

同樣地,現有資料並未證明被盜駕駛執照曾被公開發布或用於訓練模型。這些說法需要各自的證據。將其視為必然後果,會掩蓋目前已有的事實。

對受影響司機而言,實際參考仍是其個別通知,包括當中提供的協助及聯絡資料。公開報道無法判定每名收件人的情況。公司應令這些通訊足夠清楚,讓收件人毋須從零散文件中重建事件全貌。

對開發者及企業買家而言,應帶着具體問題跟進下一輪通知:供應商能否解釋通往敏感紀錄的每條途徑?把答案與你的應用程式實際使用的資料流向比較。把處理承諾與已儲存資料集分開,也把帳戶權限與用來偵測濫用的警示分開。問問自己,當持有有效憑證的人其實是入侵者時,情況會如何改變。Uber 司機資料外洩事件令這個分別對供應商關係以外的人也產生實際影響。閱讀日後更新時,留意存取邊界已改變的證據,然後檢查你自己的工作流程是否同樣依賴「有效存取即代表合法使用」這個假設。

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page