Kebocoran Data Fireworks AI Meluas: Data Billing hingga Model Weights Ikut Terdampak

Fireworks AI mengumumkan bahwa investigasi atas insiden keamanan yang pertama kali dilaporkan awal Oktober 2026 menemukan aktivitas berbahaya lanjutan. Kali ini, data akun dan billing, secrets, dataset, serta sebagian model weights pelanggan ikut terekspos.

Penyedia infrastruktur AI itu menyebut dampaknya terbatas pada "sejumlah akun pelanggan tertentu". Namun pengumuman terbaru mereka menunjukkan bahwa cakupan insiden ternyata lebih luas dari perkiraan awal.

Sebelumnya, Fireworks AI menyatakan hanya menemukan bukti bahwa environment variables, termasuk API keys dan token yang disimpan sebagai secrets, terekspos di akun tertentu. Kini, kesimpulan itu berubah.

Kronologi Insiden: dari Deteksi 6 Oktober hingga Akses ke Mesin Development

Dalam pemberitahuan yang diterbitkan 10 Oktober 2026, Fireworks AI mengungkap bahwa mereka mendeteksi penggunaan tidak sah atas kredensial internal perusahaan. Aktivitas itu terdeteksi pada 6 Oktober 2026 pukul 09.00 PDT.

Kredensial tersebut memungkinkan pihak ketiga yang tidak berwenang mengakses environment variables yang dipakai dalam evaluation jobs pada sejumlah kecil akun pelanggan. Saat itu, perusahaan hanya melihat bukti keterpaparan API keys dan token.

Mereka pun langsung mencabut kredensial internal yang dikompromikan, merotasi token service account, serta merotasi API keys Fireworks yang terdampak dan keys yang dibuat oleh pelaku ancaman.

Namun rangkaian peristiwa ternyata belum selesai. Buletin terbaru perusahaan mengungkap bahwa pelaku mencapai development environment Fireworks melalui penyedia cloud pihak ketiga yang tidak disebutkan namanya. Penyedia itu meng-host mesin riset dan pengembangan (R&D) Fireworks pada 23 Oktober 2026.

"Pada 24 Oktober, pihak ketiga yang tidak berwenang menggunakannya untuk mencapai mesin development Fireworks dan kemudian menjalankan workload tidak sah yang menyebabkan dampak tambahan pada data pelanggan," kata Fireworks AI dalam pengumumannya, dikutip dari The Hacker News.

Perusahaan menambahkan bahwa per 25 Oktober 2026, mereka belum mendeteksi bukti lebih lanjut atas akses tidak sah yang berhasil di platform Fireworks yang digunakan pelanggan. Artinya, aktivitas pelaku diduga sudah terhenti di titik itu.

Data Pelanggan yang Terekspos: Metadata, Billing, hingga Model Weights

Fireworks AI merinci tiga kategori informasi yang dapat diakses dalam insiden ini. Rincian tersebut menjadi penting bagi pelanggan yang ingin menilai tingkat risiko masing-masing.

• Metadata resource: identifier resource Fireworks, display name, deskripsi, dan waktu pembuatan.
• Informasi billing: alamat penagihan dan pengiriman, riwayat invoice dan pembayaran, saldo akun, serta penggunaan kredit.
• Model weights dan dataset: sebagian model weights yang tidak lengkap dan dataset untuk pelanggan tertentu.

Yang tidak terdampak: nomor kartu pembayaran. Fireworks AI menegaskan perusahaan tidak menyimpan nomor kartu pembayaran, sehingga data sensitif itu tidak ikut terekspos.

Perusahaan juga menyatakan sedang memberi tahu pelanggan yang datanya terdampak. Langkah ini menjadi bagian dari kewajiban transparansi mereka setelah cakupan insiden direvisi.

Sebagai respons, Fireworks AI menjalankan sejumlah prosedur penguatan keamanan. Mulai dari pencabutan dan rotasi kredensial, isolasi sistem terdampak untuk mencegah pergerakan lateral, pengetatan kontrol akses, hingga peningkatan sistem logging dan monitoring.

"Bukti menunjukkan keterkaitan dengan kelompok ancaman siber kriminal yang bermotif finansial dan bertujuan menjual token dari akses tidak sah ke large language models (LLM) ke gateway routing ilegal," ujar perusahaan.

LLMjacking, Ancaman yang Membuat Korban Menanggung Tagihan

Aktivitas ini dinilai sebagai bagian dari ancaman yang sedang tumbuh, yakni LLMjacking. Istilah itu merujuk pada pembajakan LLM milik korban melalui kredensial curian untuk menopang bisnis kriminal.

Pelaku menjual akses tersebut kepada aktor ancaman lain. Sementara pemilik sah LLM tetap menanggung tagihan penggunaan yang membengkak. Inilah yang membuat LLMjacking berbeda dari pencurian data biasa.

Pekan sebelumnya, Google mengeluarkan peringatan bahwa aktor ancaman semakin gencar menyasar infrastruktur AI untuk LLMjacking. Serangan tercatat di Amerika Utara, Amerika Selatan, dan Asia Pasifik.

Sektor yang menjadi sasaran mencakup jasa keuangan, ritel, teknologi, dan transportasi. Pola ini menunjukkan bahwa infrastruktur AI kini masuk daftar target utama kelompok kriminal siber.

Bagi penyedia layanan seperti Fireworks AI, insiden ini menjadi ujian atas model kepercayaan yang mereka bangun. Pelanggan menyerahkan kredensial, dataset, dan bobot model ke pihak ketiga dengan asumsi keamanan berlapis.

Notion Ikut Terdampak, Fitur Insights Dinonaktifkan

Aplikasi produktivitas dan catatan populer Notion mengungkap bahwa insiden keamanan yang menyasar Fireworks AI berdampak pada "kurang dari 1% workspace Notion".

Di Reddit, seorang pengguna berkomentar sinis: "Sepertinya kita semua termasuk dalam 1% itu." Komentar tersebut menggambarkan kekhawatiran pengguna atas skala dampak yang sulit diverifikasi secara mandiri.

Penilaian awal menyebut pelaku ancaman hanya mengakses data pengujian sintetis Notion AI. Namun kemudian terungkap bahwa data pelanggan berpotensi ikut terlibat.

"Setelah menganalisis data baru, kami menemukan bahwa data tersebut mencakup transkrip chat Notion AI yang digunakan untuk fitur Insights, yang untuk sebagian besar workspace terdampak tidak dapat diatribusikan," kata Notion.

Istilah "tidak dapat diatribusikan" berarti chat tersebut tidak dilabeli dengan siapa penulisnya atau dari workspace mana asalnya. Transkrip itu juga tidak memuat hasil tool call.

Notion menegaskan tidak ada fitur lain di platform mereka yang terdampak. Fitur Insights kini dinonaktifkan sementara investigasi berlanjut, dan perusahaan tidak lagi menyajikan open-weight models melalui Fireworks.

Pelanggan yang terdampak diminta meninjau data mereka secara aman di dalam workspace. Jika ada informasi sensitif, password, API keys, atau kredensial lain yang ditempel selama periode serangan, mereka disarankan segera merotasinya.

Langkah Selanjutnya bagi Pelanggan dan Penyedia Layanan AI

Bagi pelanggan Fireworks AI, langkah paling mendesak adalah merotasi seluruh kredensial yang pernah digunakan di lingkungan yang terdampak. Ini mencakup API keys, token akses, dan secrets yang tersimpan dalam environment variables.

Pelanggan juga perlu memeriksa riwayat billing dan penggunaan kredit untuk mendeteksi lonjakan tak wajar. Indikasi penggunaan LLM di luar pola normal bisa menjadi sinyal awal LLMjacking.

Fireworks AI sendiri menyatakan akan terus memperketat kontrol akses dan meningkatkan logging. Namun mereka belum merinci apakah ada pemberitahuan resmi kepada otoritas atau tenggat investigasi forensik lanjutan.

Perusahaan juga belum mengungkap identitas penyedia cloud pihak ketiga yang menjadi jalur masuk pelaku. Detail itu kemungkinan masih ditahan selama investigasi berlangsung.

Yang jelas, insiden ini menambah daftar panjang kasus keamanan yang menyasar lapisan infrastruktur AI. Bukan modelnya yang diretas, melainkan jalur akses di sekitarnya: kredensial, mesin development, dan pipeline evaluasi.

Untuk konteks lebih luas soal tren serangan terhadap layanan AI, laporan industri dapat dipantau melalui Google Cloud Threat Intelligence yang rutin membahas pergeseran taktik aktor ancaman.

Analisis Redaksi

Ada satu pola yang layak digarisbawahi dari kasus Fireworks AI: revisi cakupan insiden. Pengumuman awal menyebut hanya environment variables yang terekspos. Sepuluh hari kemudian, data billing hingga sebagian model weights masuk daftar. Bagi pelanggan, revisi semacam ini selalu terlambat datangnya.

Masalahnya bukan sekadar teknis. Insiden ini menunjukkan bahwa permukaan serangan pada infrastruktur AI jauh lebih lebar dari yang dibayangkan banyak orang. Pelaku tidak perlu membobol model. Cukup masuk lewat mesin R&D di penyedia cloud pihak ketiga, lalu menjalankan workload tidak sah dari dalam.

Notion menjadi contoh nyata efek berantainya. Satu vendor infrastruktur diretas, dan fitur AI di platform lain harus dinonaktifkan. Rantai ketergantungan antarpenyedia layanan AI berarti satu titik lemah bisa merambat ke banyak produk yang dipakai jutaan orang.

Yang paling meresahkan adalah motifnya. LLMjacking mengubah kredensial curian menjadi komoditas yang diperdagangkan. Korban menanggung tagihan, pelaku menjual akses, dan pembeli berikutnya memakai LLM tanpa jejak yang mudah dilacak.

Pelajaran bagi pelanggan: rotasi kredensial bukan formalitas. Bagi penyedia layanan: transparansi soal penyedia cloud pihak ketiga dan batas akses mesin development harus jadi prioritas, bukan catatan kaki dalam laporan insiden.