Fireworks AI — Brecha en infraestructura de IA expone datos de Uber a través de credenciales de proveedores

Fecha de publicación: 17 de noviembre de 2026
Categoría: Supply chain attacks (realtime trigger)

Introducción

Una importante brecha de seguridad en la plataforma de infraestructura de inteligencia artificial Fireworks AI ha comprometido datos personales pertenecientes a casi 150,000 usuarios y conductores de Uber. El incidente se desencadenó cuando actores maliciosos utilizaron credenciales internas robadas de un proveedor de tecnología para acceder sin autorización a los entornos corporativos conectados. La investigación posterior reveló que la campaña de ataques —vinculada a objetivos de monetización mediante el abuso de recursos de IA (práctica conocida como LLMjacking)— también impactó a otras empresas tecnológicas como Notion y Cursor, evidenciando la vulnerabilidad sistémica de las cadenas de suministro en el ecosistema de IA.

¿Qué es Fireworks AI y el Riesgo de la Cadena de Suministro de IA? (Análisis General)

Fireworks AI es una plataforma en la nube que permite a los desarrolladores alojar, ejecutar y afinar (fine-tune) modelos de lenguaje de gran tamaño (LLMs) e infraestructura de inteligencia artificial sin necesidad de administrar directamente el hardware subyacente. Para cumplir con estas funciones, estas plataformas manejan altos niveles de privilegios, secretos corporativos, claves de acceso a APIs y conjuntos de datos confidenciales.

Cuando un proveedor de este tipo sufre una brecha, los clientes que confían en sus servicios heredan indirectamente el riesgo. En este incidente, no se trató de una vulnerabilidad de software o un error de código (software bug), sino de un fallo en la gestión de accesos e identidad (Identity and Access Management).

  • Clasificación CWE estimada: CWE-284 (Improper Access Control) y CWE-522 (Insufficiently Protected Credentials).
  • Severidad estimada: Crítica (debido al alcance masivo de la exposición de datos de identidad y la pérdida de control sobre los entornos de ejecución).

¿Cómo funciona? (Análisis Técnico)

El análisis forense y los informes de los equipos de respuesta a incidentes (incluyendo a Palo Alto Networks Unit 42) permitieron trazar la metodología empleada por los atacantes:

  • Flujo inicial de entrada: Los atacantes obtuvieron credenciales internas legítimas pertenecientes a Fireworks AI. El origen exacto de la obtención de dichas credenciales apunta a campañas de robo de tokens o ingeniería social dirigidas al personal o sistemas del proveedor.
  • Evasión de controles de seguridad: Debido a que los atacantes operaron utilizando credenciales válidas y autorizadas dentro del ecosistema de Fireworks, los sistemas de monitoreo y las alertas configuradas por Uber no detectaron anomalías. Al ser peticiones legítimas desde la perspectiva de la autenticación, ningún mecanismo de seguridad convencional activó alarmas (“no alerts were triggered”).
  • Acceso y exfiltración: Una vez dentro del entorno externo vinculado a Uber, los actores maliciosos accedieron a registros almacenados que contenían información sensible, incluyendo nombres, direcciones, fechas de nacimiento e imágenes de licencias de conducir y documentos gubernamentales. Posteriormente, las actividades derivaron en esquemas de LLMjacking, donde los atacantes buscan revender tokens de acceso o ejecutar modelos a expensas de las víctimas.

Sistemas / Entornos Afectados

El incidente afectó principalmente a los entornos en la nube gestionados por Fireworks AI y a las integraciones corporativas de sus clientes. Entre los sistemas y datos impactados se encuentran:

  • Plataforma de Fireworks AI: Cuentas de clientes, detalles de facturación, secretos corporativos, conjuntos de datos de entrenamiento y modelos en desarrollo.
  • Datos de Uber: Información de identificación personal (PII) de aproximadamente 149,346 individuos (principalmente conductores), incluyendo imágenes de licencias de conducir.
  • Otros proveedores y clientes afectados: Notion y Cursor confirmaron exposiciones similares derivadas del mismo incidente en la cadena de suministro del proveedor.

Mitigación y Detección

Remediación

Para contrarrestar este tipo de amenazas en la cadena de suministro, las organizaciones y los proveedores de servicios deben implementar medidas estrictas de endurecimiento:

  • Rotación y revocación inmediata: Reemplazar de forma instantánea todas las credenciales maestras, tokens de API y secretos comprometidos.
  • Principio de menor privilegio: Restringir el acceso privilegiado dentro de las plataformas de IA únicamente al personal estrictamente necesario, segmentando los entornos de desarrollo y producción.
  • Monitoreo de comportamiento de identidad: Implementar análisis de comportamiento de usuarios y entidades (UEBA) para detectar patrones de uso anómalos, incluso cuando las credenciales utilizadas sean legítimas (por ejemplo, accesos desde ubicaciones geográficas desacostumbradas o volúmenes atípicos de llamadas a modelos).

Detección

Los equipos de seguridad defensiva (Blue Teams) deben vigilar de cerca la interacción con servicios de terceros y APIs de IA:

“El uso de credenciales legítimas por parte de actores maliciosos demuestra que la autenticación tradicional basada en secretos estáticos es insuficiente frente a brechas en la cadena de suministro; se requiere una visibilidad profunda del comportamiento de las cuentas conectadas.”

  • Indicadores de Compromiso (IoCs) conceptuales: Patrones de llamadas a APIs de IA fuera del horario laboral habitual, picos repentinos en el consumo de cómputo para inferencia de modelos, y solicitudes de acceso a buckets de almacenamiento o bases de datos externas desde IPs asociadas a VPNs comerciales o redes anónimas.
  • Reglas de auditoría: Configurar alertas en sistemas IAM para la modificación de permisos en cuentas de servicio de terceros y la emisión masiva de tokens de autenticación.

Recapitulando

La brecha de seguridad en Fireworks AI subraya los riesgos inherentes al uso de proveedores de infraestructura de IA de terceros. Al comprometer las credenciales internas del proveedor, los atacantes lograron eludir los sistemas de detección tradicionales de Uber y exfiltrar datos altamente sensibles de miles de conductores. Este caso pone de relieve la urgencia de reevaluar la confianza implícita otorgada a las integraciones externas y adoptar arquitecturas de seguridad basadas en Cero Confianza (Zero Trust) y monitoreo avanzado de comportamiento de identidades.

Referencias

  • Security Affairs. (2026, noviembre 17). Fireworks AI Breach Exposes Uber Data and Highlights Supply Chain Risks. Recuperado de https://securityaffairs.com/?p=203339
  • TechCrunch. (2026). Informes sobre la brecha de seguridad en Fireworks AI, Uber, Notion y Cursor.
  • Reuters. (2026). Reportes sobre la notificación de brecha de datos e investigación a Uber.
  • Palo Alto Networks Unit 42. (2026). Actualizaciones de investigación sobre el incidente de seguridad en Fireworks AI.