Cloudflare เผยแพร่รายงานเหตุการณ์ (26 ต.ค. 2026) ยอมรับว่าโมเดล GLM-5.3 ของ Z.ai ที่ให้บริการบน Workers AI ได้ ส่งคำตอบที่มีข้อมูลจากคำขอของลูกค้ารายอื่นปนออกมา รวม 155 คำตอบ ระหว่าง 27 ส.ค. – 9 ก.ย. 2026
เกิดอะไรขึ้น
- ปัญหาเกิดเฉพาะ prompt ที่ยาวเกิน 681,280 tokens และ Cloudflare ระบุว่ามีผลกับ "ลูกค้าจำนวนน้อย" เท่านั้น โมเดลอื่นบน Workers AI ไม่ได้รับผลกระทบ
- ผู้ค้นพบคือ Gadi Evron จาก Knostic แจ้งผ่าน HackerOne เมื่อคืน 8 ก.ย. ทีมของ Cloudflare ปิดโมเดลชั่วคราวและแก้ไขเสร็จภายใน วันเดียว (9 ก.ย.)
- Cloudflare บอกว่า ไม่พบหลักฐานการโจมตีโดยเจตนา คำขอที่ได้รับผลกระทบดูเหมือนการใช้งาน long-context ตามปกติ
ต้นเหตุมี 2 ชั้นซ้อนกัน:
- ค่าตั้งไม่ตรงกัน — เปิดให้ใช้ context ได้ 1,048,576 tokens แต่หน่วยความจำ KV cache ฝั่ง prefill รับได้แค่ 681,280 tokens ทีมรู้ก่อนเปิดตัว แต่คาดว่าระบบจะตอบ error เอง
- บั๊กใน SGLang (เอนจินรันโมเดลโอเพนซอร์ส) — คำขอที่ยาวเกินถูก "ปฏิเสธ" แต่ไม่ถูกยกเลิกจริง ฝั่ง decode จึงไปอ่าน KV cache เก่าที่ค้างจากคำขอก่อนหน้า แล้ว ตอบกลับเป็น HTTP 200 พร้อมข้อความที่อ่านรู้เรื่อง แต่มีข้อมูลของคนอื่นปน
Cloudflare ยอมรับตรง ๆ ว่าตอนทดสอบ long-context ตรวจแค่ HTTP status กับประสิทธิภาพ แต่ไม่ได้ตรวจว่าเนื้อหาคำตอบถูกต้องหรือไม่
การแก้ไข: ขยาย KV pool เป็นราว 2.04 ล้าน tokens (ประมาณ 2 เท่าของ context), แพตช์ SGLang ให้ตัดคำขอที่ถูกปฏิเสธทิ้งก่อนส่ง KV และส่งแพตช์เข้า upstream แล้ว Cloudflare แนะนำผู้ให้บริการรายอื่นอัปเกรดเป็น SGLang v0.5.22 ขึ้นไป
แปลว่าอะไร
เหตุการณ์นี้ชี้ว่า ความเสี่ยงของ AI ไม่ได้อยู่แค่ที่ "โมเดลพูดอะไร" แต่อยู่ที่ โครงสร้างพื้นฐานที่ใช้รันโมเดล ด้วย ระบบที่แชร์ GPU และ cache ร่วมกันระหว่างลูกค้าหลายราย บั๊กเล็ก ๆ ระดับเอนจินก็ทำให้ข้อมูลข้ามบัญชีได้ และเพราะ SGLang เป็นโอเพนซอร์สที่ผู้ให้บริการหลายรายใช้ ผลกระทบจึงอาจกว้างกว่าแค่ Cloudflare
ข้อดีคือ Cloudflare เปิดเผยรายละเอียดทางเทคนิคแบบละเอียดและประสานกับทีม SGLang ซึ่งเป็นแนวปฏิบัติที่ดีในวงการ
ถ้าองค์กรของคุณส่งข้อมูลลูกค้าหรือข้อมูลลับเข้า AI API ใด ๆ ควรตัด/ปิดบังข้อมูลส่วนบุคคลก่อนส่งเสมอ (สอดคล้อง PDPA) และอย่าคิดว่าผู้ให้บริการรายใหญ่จะไม่มีบั๊กแบบนี้
บั๊ก KV cache บน Workers AI ทำให้คำตอบ 155 ครั้งมีข้อมูลของลูกค้าคนอื่น — ย้ำว่าความปลอดภัยของ AI ต้องดูถึงชั้นโครงสร้างพื้นฐาน ไม่ใช่แค่ตัวโมเดล