Fireworks AI再遭网络攻击，Notion用户聊天记录泄露

AI基础设施服务商Fireworks AI再次成为网络攻击的目标。据披露，此次入侵导致攻击者能够访问Notion客户的聊天记录（chat transcripts）。这是Fireworks在短短两个月内发生的第二起数据泄露事件，接连的安全事故让这家为AI应用提供模型推理服务的平台陷入信任危机。

事件回顾：两个月内两起泄露

根据现有信息，本次攻击的核心风险点在于Notion客户经由Fireworks AI处理的聊天记录被未授权访问。Notion作为广泛使用的协作与知识管理工具，其AI功能背后依赖第三方推理服务，而Fireworks正是这类服务的提供者之一。当底层基础设施被攻破，上层应用的用户数据便暴露在风险之中。

你可能没注意到，这并非孤立事件。素材明确指出这是Fireworks“两个月内的第二次数据泄露”。连续的安全事件说明问题可能并非偶发疏忽，而是指向系统性的安全治理短板。

为什么AI推理平台成为攻击焦点

Fireworks AI这类平台处于AI应用栈的中间层：向上承接Notion等应用的产品需求，向下调度GPU算力和模型。这种位置决定了它同时握着两类高价值资产——客户的提示词与对话内容，以及模型调用与算力资源。

聊天记录尤其敏感。与普通日志不同，chat transcripts往往包含用户的自然语言输入，可能涉及商业机密、个人隐私甚至身份信息。一旦泄露，影响范围不限于平台自身，还会波及像Notion这样的下游客户及其终端用户。

模型推理服务（Inference） 是指将训练好的AI模型部署到生产环境，对用户输入进行实时计算并返回结果的过程。与模型训练阶段依赖大规模GPU集群、耗时数周不同，推理服务强调低延迟、高并发和弹性伸缩，通常以API形式对外提供。Fireworks AI等厂商通过优化推理引擎（如算子融合、动态批处理、量化压缩）降低单位调用成本，使应用开发者无需自建算力即可调用大模型。正因推理服务在请求链路中直接接触原始用户输入——包括提示词、对话上下文和文件内容，它天然成为数据泄露的高风险节点。攻击者一旦攻破推理平台，便可能批量获取跨客户的对话数据，其影响面远大于单一应用被入侵。

对下游客户与用户的连带影响

此次事件的一个关键特征是责任链条的传导。Notion的用户未必直接与Fireworks打过交道，但他们的数据却经由第三方服务流转。这暴露出AI供应链中普遍存在的可见性问题：应用层用户很难知道自己的数据究竟流经哪些环节。

对于依赖第三方推理服务的企业而言，这起事件提出了一个现实问题——在选择AI基础设施供应商时，安全记录与事件响应能力应当被纳入核心评估维度，而不仅仅是价格与性能。

AI供应链安全 指AI应用从底层算力、模型托管、推理服务到上层产品所构成的依赖链条中，各环节的安全风险及其传导效应。传统软件供应链关注开源组件漏洞和依赖包投毒，而AI供应链还额外涉及模型权重保护、训练数据来源、推理请求中的敏感信息流转等问题。由于AI应用普遍采用“应用层—推理层—算力层”的分层架构，终端用户往往只与最上层的产品交互，对数据流经的第三方服务缺乏可见性。这使得一旦中间层服务商被攻破，下游客户既难以及时感知，也难以独立审计。监管层面，欧盟《AI法案》和各国数据保护法规正逐步要求企业披露数据处理链条中的第三方参与者，供应链透明度正从最佳实践变为合规要求。

连续泄露事件敲响的警钟

两个月内两起泄露，对Fireworks的品牌与客户信任构成直接冲击。在AI基础设施竞争日趋激烈的环境下，安全可信正在成为差异化竞争的关键。对于整个行业来说，这起事件也提示：随着AI能力被嵌入越来越多的生产力工具，中间层服务商的安全水平将直接决定终端用户的数据安全底线。

目前公开信息有限，关于攻击的具体手法、受影响用户规模以及Fireworks的应对措施，仍有待进一步披露。