Brecha de seguridad en Near AI expone datos de usuarios y de 18 agentes de IA

Near AI, la división de inteligencia artificial de la red blockchain Near Protocol, sufrió un incidente de seguridad que expuso información de usuarios y datos provenientes de 18 agentes de IA, según reveló un análisis del fallo que permitió el acceso. La vulnerabilidad, originada en SGLang, un framework de código abierto ampliamente utilizado para servir modelos de lenguaje, habría permitido a un atacante alcanzar sistemas internos de la plataforma y potencialmente visualizar solicitudes confidenciales de inteligencia artificial realizadas por los usuarios.

El problema se centra en SGLang, una infraestructura de ejecución diseñada para optimizar el despliegue de modelos de lenguaje a gran escala. Según el reporte, una falla en este componente abrió una vía para que un actor malicioso accediera a los sistemas internos de Near AI, lo que puso en riesgo la confidencialidad de las consultas procesadas por la plataforma. Este tipo de solicitudes suelen contener información sensible, desde prompts con datos personales hasta instrucciones vinculadas a operaciones internas, lo que amplifica la gravedad del incidente.

El caso adquiere particular relevancia porque pone a prueba las promesas de privacidad respaldadas por hardware, uno de los argumentos centrales de Near AI y de otros proyectos que buscan diferenciarse en el competitivo sector de la inteligencia artificial descentralizada. Estas protecciones, que suelen apoyarse en entornos de ejecución confiables (TEE, por sus siglas en inglés) y en hardware especializado, están diseñadas para garantizar que ni siquiera los operadores de la infraestructura puedan acceder al contenido de las solicitudes. Sin embargo, la brecha sugiere que las capas de software que rodean a ese hardware pueden convertirse en el eslabón más débil de la cadena.

La exposición afectó a 18 agentes de IA desplegados en la plataforma, lo que indica que el alcance del incidente no se limitó a un único servicio, sino que se extendió a múltiples implementaciones dentro del ecosistema de Near AI. Los agentes de IA, programas autónomos capaces de ejecutar tareas y tomar decisiones con distintos grados de independencia, se han convertido en una de las áreas de mayor crecimiento dentro del sector cripto, donde proyectos como Near buscan combinar blockchain con inteligencia artificial para ofrecer servicios verificables y descentralizados.

El incidente también arroja luz sobre un debate más amplio en la industria: la seguridad de la cadena de suministro de software en los sistemas de IA. SGLang, al ser un proyecto de código abierto adoptado por numerosos equipos, se ha convertido en una dependencia crítica para plataformas que manejan datos sensibles. Un fallo en un componente de este tipo puede propagarse rápidamente entre distintos operadores, multiplicando el impacto potencial. En este contexto, la brecha de Near AI no solo afecta a la propia compañía, sino que plantea interrogantes sobre las prácticas de auditoría y monitoreo que rodean a las herramientas de infraestructura de IA de uso extendido.

Para el ecosistema cripto, el episodio refuerza la necesidad de combinar transparencia con rigor técnico. Los proyectos que prometen privacidad deben someter sus componentes, incluidos los de terceros, a auditorías constantes y a pruebas de penetración que contemplen escenarios adversos. Asimismo, la divulgación responsable de vulnerabilidades se vuelve esencial para que otros operadores que utilizan SGLang puedan evaluar su propia exposición y aplicar los parches correspondientes antes de que un atacante los aproveche.

Hasta el momento, no se han divulgado detalles sobre la identidad del atacante ni sobre el volumen exacto de datos comprometidos, y tampoco se ha confirmado si la información expuesta fue utilizada con fines maliciosos. Lo que sí queda claro es que el incidente subraya los límites de las protecciones de privacidad respaldadas por hardware cuando las capas de software que las acompañan no reciben la misma atención. Para Near AI y para la industria en general, el desafío será demostrar que puede aprender de esta brecha y reforzar sus defensas sin sacrificar la apertura y la innovación que caracterizan al sector.