SGLang RCE-lek gebruikt tegen NEAR AI: 18 AI-agents en ~100 gebruikers geraakt
NEAR AI draait de AI-infrastructuur voor andere bedrijven (o.a. Brave's Leo-assistent) en is zelf het slachtoffer van een lek in de open-source software die in hun TEE draait. Als je voor klanten AI-workloads inricht: een TEE is geen heiligdom, het beschermt alleen tegen de host — een kwetsbaarheid in de inference-stack (SGLang, vLLM, etc.) binnen de TEE is net zo gevaarlijk. Maak een inventaris van de open-source components in je AI-pipeline, patch ze op basis van CVE-adviezen, en verifieer dat je eigen agents (met API keys, tokens en chatdata) niet op een gedeelde of oud deployment draaien zonder TEE.
NEAR AI, een bedrijf dat AI-inferentieservers voor derden exploiteert, meldde begin deze week dat een aanvaller op 8 november code heeft uitgevoerd op een van hun inferentieservers via een RCE-lek in SGLang, een open-source inference engine die binnen de TEE van de server draait. De TEE is ontworpen om verzoeken 'vertrouwd' en privé te houden — ook voor NEAR AI zelf — maar het bedrijf erkent dat 'een TEE niet beschermt tegen een kwetsbaarheid in de software die binnen de omgeving draait'. SGLang draait in die TEE, en was dus bereikbaar voor de aanvaller.
Na de initiale RCE bewoog de aanvaller zich naar het interne systeem achter Private Chat (een product dat NEAR AI inmiddels heeft uitgefaseerd) en daalde het daar accountgegevens van ongeveer 100 gebruikers — e-mailadressen, namen en in sommige gevallen plan- en saldo-informatie. Geen teken dat opgeslagen chats of geüploade bestanden werden geraakt. Daarnaast bereikte de aanvaller 18 AI-agents op een oudere deployment van NEAR AI Agents die niet binnen de TEE draaien; van die agents werden chatgeschiedenis, instellingen en logs buitgemaakt, inclusief twee NEAR AI Cloud API keys die in de logs waren gelogd. Beide keys zijn ingetrokken.
Na detectie haalde NEAR AI alle actieve sessies en admin-credentials in, vervangde alle agent-tokens, nam Private Chat offline en deploymente de SGLang-fix op alle inferentieservers. Het bedrijf meldde het lek naar het SGLang-project, maar heeft noch een CVE-nummer noch de getroffen versies gepubliceerd. Voor IT-bedrijven die AI-infrastructuur of agents voor MKB-klanten draaien is dit een direct actie-item: een TEE is geen magic bullet, en je agents die op gedeelde of niet-TEE deployments draaien delen risico met elke andere klant. Inventariseer je AI-stack op open-source components, patch op basis van upstream-CVE's, en log nooit API keys of credentials in agent-logs — dat was hier de directe data-exposure na de RCE.