En resumen
Fireworks AI afirma que los atacantes llegaron a los datos de facturación de sus clientes y, en el caso de algunos de ellos, a datasets almacenados y pesos de modelos sin terminar. El proveedor de inferencia y fine-tuning amplió el 9 de noviembre de 2026 la comunicación sobre su brecha de octubre, tras descubrir una segunda intrusión a través de un proveedor cloud externo. Si usted sube datos de entrenamiento a una plataforma alojada para el fine-tuning de LLM, esos datos y los pesos generados a partir de ellos necesitan ahora el mismo plan de protección que sus propias bases de datos.
¿Qué ha revelado Fireworks AI?
La actualización del 9 de noviembre extendió la brecha a los datos de clientes. Según Fireworks, un proveedor cloud externo que alojaba sus máquinas de investigación y desarrollo sufrió su propio incidente de seguridad el 23 de octubre. Al día siguiente, el atacante aprovechó ese punto de apoyo para llegar a máquinas de desarrollo de Fireworks y ejecutar una carga de trabajo no autorizada. Fireworks afirma que detectó la actividad ese mismo día y que no ha observado más accesos con éxito a la plataforma de clientes desde el 25 de octubre.
Supone un giro respecto al primer boletín, publicado el 9 de octubre, que describía un incidente acotado. El 6 de octubre, una persona ajena a la empresa utilizó credenciales internas de Fireworks para leer variables de entorno en trabajos de evaluación, con lo que obtuvo claves de API y tokens que un número limitado de clientes había guardado como secretos. En ese momento, Fireworks dijo no haber encontrado indicios de acceso a modelos, datasets, datos de entrenamiento ni tráfico de inferencia de los clientes.
| Fecha (2026) | Evento |
|---|---|
| 6 de octubre | Se detecta el uso no autorizado de credenciales internas; comienza la contención |
| 9 de octubre | Primer boletín: secretos de trabajos de evaluación obtenidos en un número limitado de cuentas |
| 23 de octubre | Se compromete el proveedor cloud externo que aloja las máquinas de I+D de Fireworks |
| 24 de octubre | El atacante llega a máquinas de desarrollo de Fireworks y ejecuta una carga de trabajo no autorizada |
| 9 de noviembre | Actualización: afectados los datos de facturación, además de algunos datasets y pesos de modelos sin terminar |
¿Qué datos quedaron expuestos?
La aplicación interna a la que llegó el atacante daba acceso a tres grupos de información:
- Metadatos de recursos: identificadores, nombres visibles, descripciones y fechas de creación de los recursos de los clientes.
- Información de facturación: direcciones de facturación y de envío, historial de facturas y de pagos, saldo de la cuenta y consumo de créditos. Fireworks afirma que no almacena números de tarjeta.
- Pesos de modelos y datasets: en el caso de determinados clientes, una parte de los pesos de modelos sin terminar y de los datasets.
Fireworks ha avisado a las fuerzas de seguridad, ha encargado el análisis forense a Unit 42 de Palo Alto Networks y, mientras dure la investigación, ha desactivado la subida y descarga en autoservicio de datasets para Batch Inference y para el entrenamiento basado en datasets. Bloomberg, citando a una persona conocedora del asunto, informó de que la brecha afectó a decenas de miles de archivos.
¿Por qué importa más allá de Fireworks?
Fireworks es uno de los grandes proveedores independientes de inferencia. Según Forbes, tiene unos 10,000 clientes empresariales, entre ellos Uber, Shopify, Upwork y DoorDash, y una valoración de 17.5 mil millones de dólares. Dos clientes dijeron a Forbes que habían trasladado la mayor parte de su actividad fuera de la plataforma.
Según Fireworks, los atacantes no buscaban los datos en sí. Las pruebas los vinculan a un grupo que vende acceso robado a grandes modelos de lenguaje a través de pasarelas de enrutamiento ilícitas, una práctica conocida como LLMjacking. Google Threat Intelligence Group y Mandiant describieron la misma tendencia el 2 de noviembre. Eso convierte a cualquier plataforma de IA que custodie claves de API, credenciales cloud y capacidad de GPU de sus clientes en un objetivo atractivo, y a los datos de clientes que la rodean, en daño colateral.
Qué significa para los equipos de software de EE. UU. y la UE
Una plataforma de entrenamiento alojada es un encargado del tratamiento, no solo un proveedor de cómputo. Los datasets que se suben para el fine-tuning suelen contener tickets de soporte, contratos o fichas de clientes, y los modelos entrenados con ellos pueden conservar fragmentos de esos datos.
En la UE, si un dataset expuesto contenía datos personales, el responsable del tratamiento (normalmente usted, no el proveedor) dispone de 72 horas desde que tiene conocimiento de una brecha notificable para comunicarla a la autoridad de control, conforme al RGPD. Ese plazo depende de la rapidez con la que le avise su proveedor, así que revise las condiciones de notificación de su contrato de encargo del tratamiento.
La vía de entrada también importa. A Fireworks se llegó a través de un proveedor situado un escalón más abajo en su propia cadena de suministro. La lista de subencargados de su proveedor forma parte de su superficie de riesgo.
Por último, los secretos guardados dentro de una plataforma de IA, como las claves de sus bases de datos, bases vectoriales u otros proveedores de modelos, son una vía directa hacia sus propios sistemas. Deben tener permisos acotados, una vida corta y poder rotarse sin un nuevo despliegue de código. Qué significa para el mercado español: en España, muchos proyectos de IA generativa se apoyan en proveedores estadounidenses de inferencia y fine-tuning, mientras los departamentos jurídicos y de compras vigilan el cumplimiento del RGPD y de la LOPDGDD. Si un dataset con datos personales queda expuesto, la notificación se presenta ante la AEPD a través de su sede electrónica, dentro del mismo plazo legal. Para quienes trabajan con el sector público, la conformidad con el Esquema Nacional de Seguridad (ENS) del proveedor cloud cubre solo los servicios certificados, no toda la infraestructura auxiliar de un proveedor de IA, por lo que conviene seudonimizar los datasets antes de subirlos y exigir en el contrato la lista nominal de subencargados.
¿Qué deben hacer ahora los equipos que usan plataformas de IA alojadas?
- Actúe ante cualquier aviso. Los clientes de Fireworks deben sustituir las claves revocadas y rotar las credenciales de terceros con los proveedores que las emitieron; borrar un secreto almacenado no lo invalida.
- Inventaríe lo que ha subido. Enumere los datasets y los modelos ajustados que guarda cada proveedor de IA, e indique si contienen datos personales o regulados.
- Minimice los datos almacenados. Dé preferencia a los modos de retención cero, elimine los conjuntos de entrenamiento ya terminados y suprima o seudonimice los datos personales antes de subirlos.
- Limite y vigile el gasto. Establezca límites de uso estrictos y alertas por clave; los picos repentinos de tokens son una señal típica de LLMjacking.
- Lea la lista de subencargados. Confirme dónde se ejecutan las cargas de entrenamiento y de I+D de su proveedor y con qué rapidez debe avisarle.
Preguntas frecuentes
¿Qué ha pasado en Fireworks AI?
El 6 de octubre de 2026, Fireworks AI detectó el uso no autorizado de credenciales internas, que expuso secretos almacenados en trabajos de evaluación de un número limitado de cuentas de clientes. En una actualización del 9 de noviembre indicó que una segunda intrusión el 24 de octubre, lanzada a través de un proveedor cloud externo comprometido que alojaba sus máquinas de I+D, afectó también a datos de cuenta y de facturación y, en el caso de algunos clientes, a datasets y pesos de modelos sin terminar.
¿Qué datos quedaron expuestos?
Fireworks enumera metadatos de recursos, como identificadores, nombres y descripciones; información de facturación, como direcciones, facturas, historial de pagos, saldo de la cuenta y consumo de créditos; y, en el caso de determinados clientes, una parte de los pesos de modelos sin terminar y de los datasets. La empresa afirma que no almacena números de tarjeta de pago y que estos no se vieron afectados.
¿Se vieron afectados los prompts y las respuestas de inferencia?
Fireworks afirma que no ha detectado ningún impacto en sus productos Inference, Training SDK y Nexus, que funcionan por defecto con retención cero de datos. También señala que la investigación sigue en curso y que podría revelar más.
¿Qué es el LLMjacking?
El LLMjacking es el robo del acceso a grandes modelos de lenguaje, normalmente mediante claves de API o credenciales cloud robadas, para que los delincuentes revendan la capacidad de los modelos a través de pasarelas de enrutamiento ilícitas mientras la víctima paga la factura. Fireworks vincula a los atacantes de su incidente con un grupo de este tipo con fines económicos.
¿Qué deben hacer los clientes de Fireworks?
Seguir las instrucciones de cualquier aviso de Fireworks, sustituir las claves de API revocadas, rotar con los proveedores que las emitieron las credenciales de terceros guardadas como secretos en Fireworks y revisar los registros de esos proveedores en busca de lecturas, descargas o cambios no autorizados. La subida y descarga en autoservicio de datasets para Batch Inference y para el entrenamiento basado en datasets siguen desactivadas mientras continúa la investigación.
Fuentes
Fireworks AI — Update on October 2026 security incident (fuente primaria, 9 de noviembre de 2026) (en inglés)
Fireworks AI — October 2026 security incident (boletín original, 9 de octubre de 2026) (en inglés)
Bloomberg — Nvidia-backed Fireworks AI notifies customers of its second hack in weeks (9 de noviembre de 2026) (en inglés)
Forbes — Fireworks cyberattack exposes customer data and AI models as fallout widens (9 de noviembre de 2026) (en inglés)
BleepingComputer — Fireworks AI discloses new breach after cloud provider hack (noviembre de 2026) (en inglés)