Cloudflare 與 SGLang 揭露 Workers AI 跨請求快取洩漏:分離推論缺陷致 155 筆超長回應混入他人資料
已查原文 · 4 項主張
來源為發布方或研究資料;不代表所有主張已獲獨立核實。
經查證 Cloudflare 官方部落格公告(s1),待查報導中關於事件時間(2026 年 8 月 27 日至 9 月 9 日)、受影響模型(GLM-5.3)、受影響請求筆數(155 筆)及長度門檻(681,280 token)、通報者(Gadi Evron)、架構缺陷與配置失誤成因、40 分鐘內下線與當日修復時間線、PR #38704 補丁措施及未受惡意利用等具體主張,均與官方揭露內容一致並獲支持。
Cloudflare 與 SGLang 揭露在 2026 年 8 月 27 日至 9 月 9 日期間,Workers AI 託管的 GLM-5.3 模型共 155 筆長度超過 681,280 token 的請求回應混入其他使用者的資料,該漏洞由資安研究員 Gadi Evron(Knostic)於 9 月 8 日透過 HackerOne 回報。
官方公告證實資安研究員 Gadi Evron 於 2026 年 9 月 8 日透過 HackerOne 提報該租戶隔離漏洞,經統計共有 155 筆提示詞長度超過 681,280 token 的回應混入其他使用者的請求資料。
155 responses were affected
查看原始出處
漏洞成因為 Cloudflare 配置失誤(上下文視窗 1,048,576 token 超過預填 KV 快取池 681,280 token)與 SGLang 分離架構缺陷重疊;超長請求被標記拒絕後替換為單一 token 佔位符並透過 RDMA 傳至解碼節點,解碼節點在未清零的舊 GPU 記憶體頁面上執行注意力運算導致資料外洩。
官方公告詳述預填 GPU 的 KV 池容量僅 681,280 token,低於模型的上下文長度;當超長請求湧入時,SGLang 在預填與解碼分離模式下將其替換為單一 token 佔位符並傳遞,解碼端在未覆寫的舊快取記憶體上產生回應,導致洩漏先前請求資料。
one-token placeholder
查看原始出處
Cloudflare 在確認事件 40 分鐘內將模型下線,並於當日修復上線;處置措施包含擴大預填 KV 池至約 204 萬 token,並向 SGLang 上游提交 PR #38704 等補丁,要求在準入佇列階段直接終止拒絕請求並核驗傳輸 token 數。
官方時序與處置措施指出 Cloudflare 於宣布事件 40 分鐘內將模型下線並在當天修復重新開放,將預填 KV 池容量擴增至約 204 萬 token,並向 SGLang 提交 PR #38704 補丁以在準入佇列即攔截拒絕請求與核對 token 數。
offline within 40 minutes
查看原始出處
upstream as #38704
查看原始出處
Cloudflare 排查後表示除測試流量外未發現惡意利用跡象,Workers AI 託管的其他模型均未受影響。
官方報告說明排除內部與研究員測試後,未發現有人蓄意利用該漏洞的跡象,並證實 Workers AI 上的其他模型均未受波及。
no evidence of deliberate exploitation
查看原始出處

背景
KV cache 的記憶體佔用會隨上下文長度線性成長,當模型上下文視窗擴大到數百萬 token 時,會成為 GPU 記憶體容量、記憶體頻寬與推論吞吐量的瓶頸。SGLang 是一套用於服務大型語言模型與視覺語言模型的快速推論框架。