Cloudflare in tilt: il bug nel sistema anti-bot che ha spento il 20% del web

Cloudflare ha svelato le cause del suo peggior blackout dal 2019, un disservizio che nella giornata di martedì ha messo offline una porzione enorme di Internet, coinvolgendo piattaforme come X, ChatGPT e persino Downdetector. A chiarire l’origine del problema è stato un post del CEO Matthew Prince, che ha escluso da subito cause come attacchi DDoS, malfunzionamenti DNS o errori legati alle nuove tecnologie di intelligenza generativa, puntando invece l’attenzione su un difetto interno del sistema Bot Management.

Secondo Cloudflare, circa il 20% del traffico web globale passa dalla sua rete, il che rende ogni anomalia potenzialmente devastante. L’incidente è partito da una modifica al comportamento delle query nel database ClickHouse, responsabile della generazione del file di configurazione che alimenta il modello di machine learning destinato a identificare i bot. Questa variazione ha creato un enorme volume di righe duplicate all’interno del file, che nel giro di poco tempo ha superato i limiti di memoria previsti e ha mandato in crash il sistema proxy centrale incaricato della gestione del traffico dei clienti.

Il collasso ha avuto un effetto a catena: le aziende che utilizzavano le regole di blocco basate sui punteggi del sistema anti-bot hanno iniziato a rilevare falsi positivi, bloccando traffico legittimo e interrompendo l’accesso a siti e servizi. Solo i clienti che non si affidavano al bot score sono rimasti operativi, mentre per gli altri la rete si è improvvisamente spenta, ricordando interruzioni recenti legati ai colossi Microsoft Azure e AWS.

Cloudflare ha tenuto a sottolineare come l’incidente non sia collegato alle sue nuove soluzioni basate su Generative AI, come il progetto “AI Labyrinth” pensato per rallentare o disorientare i crawler automatizzati che ignorano le direttive di non indicizzazione. L’origine è stata invece una semplice, ma disastrosa, modifica ai permessi del database che ha innescato un flusso incontrollato di dati duplicati.

Per prevenire il ripetersi di un guasto simile, l’azienda ha definito quattro misure immediate: irrobustire la gestione dei file di configurazione generati internamente esattamente come avviene per gli input degli utenti, introdurre kill switch globali più granulari, evitare che core dump e report di errore saturino le risorse di sistema e riesaminare i comportamenti di failure di tutti i moduli principali del proxy. Un piano che, tuttavia, non elimina la sensazione sempre più diffusa che l’elevata centralizzazione dei servizi Internet trasformi ogni punto critico in una potenziale miccia per blackout globali.