Cloudflare spiega il disservizio di martedì

In breve:

L'interruzione di Cloudflare, che ha disconnesso servizi come X e ChatGPT, è stata causata da un problema nel sistema di Bot Management. Molti hanno pensato a un errore dell’intelligenza artificiale o a un cyberattacco, ma in realtà tutto nasce da una modifica ai permessi di un database. Questa modifica ha fatto sì che una richiesta interna producesse dati duplicati, riempiendo la memoria e mandando in tilt il sistema, fino a bloccare il traffico dei siti che utilizzavano il servizio di Cloudflare che serve a riconoscere e filtrare il traffico dannoso dei bot.

Riassunto completo:

Cloudflare, un'azienda che gestisce circa il 20% del traffico web per mantenere i siti online e proteggerli da attacchi, ha subito la sua peggiore interruzione dal 2019.
L'incidente ha disconnesso per diverse ore servizi globali come X, ChatGPT e Downdetector.
La causa è stata identificata in un problema nel sistema di Bot Management, il quale gestisce i crawler automatizzati sui siti che usano la rete Cloudflare.
Nonostante i sospetti iniziali di un cyberattacco o di problemi con l'intelligenza artificiale generativa, la causa specifica è stata una modifica nel sistema di permessi di un database ClickHouse.
Una query su questo database ha generato un elevato numero di righe di dati duplicate in un file di configurazione del Bot Management.
Questo file, superando i limiti di memoria preimpostati, ha causato il blocco del sistema proxy centrale che elabora il traffico per i clienti che si affidano al modulo bot.
Cloudflare ha annunciato quattro piani per prevenire futuri incidenti simili, tra cui il rafforzamento dell'ingestione dei file di configurazione e l'implementazione di "kill switches" globali per le funzionalità.

Che succede al responsabile?

Niente... in questi casi la colpa è associata più ai processi che al singolo individuo. In genere le grandi aziende si prendono uno o due giorni di tempo per ricostruire un "post-mortem" da pubblicare. Ci sono anche casi gravissimi come l'outage di CrowdStrike di quest'anno che ha messo KO aeroporti, banche, ospedali e aziende — in quei casi l'azienda rischia grosse conseguenze legali ma l'individuo non viene comunque "punito". Le conseguenze sull'individuo avvengono solo in caso di negligenza grave o danno volontario.

Questo testo è un riassunto del seguente articolo (eng):