La piattaforma principale di Ruflo AI contiene una falla critica – CVE-2026-59726 – che ha ottenuto un punteggio perfetto di 10.0 nel Common Vulnerability Scoring System, il che significa che un attaccante non autenticato può eseguire codice arbitrario su qualsiasi deployment.

Il bug deriva dal modo in cui i container Docker di Ruflo espongono il bridge Model Context Protocol (MCP). Collegando le porte del bridge a ogni interfaccia di rete, il servizio risulta raggiungibile da qualsiasi punto di internet. Una volta che un malintenzionato contatta la porta aperta, può prendere il controllo del container del bridge, dirottare il modello sottostante ed emettere comandi come se fosse un componente affidabile.

Perché la falla è importante

  • Furto di segreti – il bridge ha accesso diretto alle chiavi API del Large Language Model (LLM) che alimentano il motore di inferenza di Ruflo. Un attaccante che cattura tali chiavi può eseguire query illimitate a spese della vittima.
  • Lettura di chat private – le conversazioni degli utenti che normalmente rimangono all'interno della memoria del modello diventano leggibili, esponendo potenzialmente dati aziendali o personali sensibili.
  • Avvelenamento della memoria dell'IA – l'attaccante può iniettare dati malevoli nella memoria a lungo termine del modello. Anche dopo la correzione della falla, lo stato avvelenato può persistere, causando un comportamento errato dell'IA o la produzione di output distorti.

L'avvelenamento della memoria è particolarmente insidioso perché il danno sopravvive all'exploit iniziale; la sola correzione del codice non è sufficiente a ripulire lo stato corrotto del modello.

Passaggi immediati per gli operatori

  1. Aggiornamento – passare alla versione 3.16.3 di Rufio AI, che disabilita il binding non sicuro e aggiunge un isolamento di rete più rigoroso.
  2. Rotazione delle credenziali – generare nuove chiavi API LLM e invalidare quelle vecchie per interrompere l'uso di eventuali token rubati.
  3. Audit dei deployment – scansionare i log alla ricerca di traffico MCP inaspettato, cercare container sconosciuti in esecuzione sulle porte esposte e verificare che non siano state apportate modifiche non autorizzate alla memoria del modello.

Il quadro generale

Ruflo AI si è posizionata come la soluzione di riferimento per le aziende che necessitano di modelli linguistici on-premise. Questa vulnerabilità incrina tale promessa, dando ai concorrenti un appiglio per promuovere alternative più sicure. Per i clienti, il costo non è solo un aggiornamento software; si tratta di una potenziale violazione dei dati, della perdita di fiducia e delle spese per la bonifica dei modelli di IA avvelenati.

Alcuni analisti di sicurezza sottolineano che il problema si presenta solo quando la configurazione Docker predefinita viene lasciata invariata, suggerendo che team ops diligenti avrebbero potuto evitarlo. Sebbene l'igiene della configurazione sia sempre consigliabile, il fatto che un singolo errore apra un intero vettore di esecuzione di codice remoto (remote-code-execution) rende il rischio troppo elevato per essere considerato "solo una cattiva configurazione".

Cosa monitorare

  • Seguire gli avvisi di sicurezza di Ruflo per eventuali patch successive che affrontino la contaminazione residua della memoria.
  • Monitorare i forum della community per segnalazioni di exploit attivi.
  • Valutare l'implementazione di firewall di rete che blocchino l'accesso esterno al bridge MCP, anche se il container è configurato correttamente.

In sintesi: una vulnerabilità con punteggio perfetto in una piattaforma di IA ampiamente utilizzata richiede un aggiornamento immediato, la rotazione delle credenziali e un'analisi post-mortem approfondita di ogni deployment interessato. Ignorarla espone al furto di dati, a violazioni della privacy e a un'IA compromessa che potrebbe non recuperare mai il suo comportamento originale.