Stored XSS via unsafe YAML parsing in MLflow

CVE-2026-33865 betrifft MLflow und setzt Benutzer einem Risiko von Cross-Site Scripting (XSS) aus, das gespeichert wird. Die Schwachstelle liegt in der Art und Weise, wie MLflow YAML-basierte MLmodel-Artefakte in seiner Web-Oberfläche verarbeitet. Ein authentifizierter Angreifer kann eine bösartige MLmodel-Datei hochladen, die eine XSS-Payload enthält. Wenn ein anderer Benutzer dieses Artefakt in der Benutzeroberfläche ansieht, wird die Payload ausgeführt, wodurch der Angreifer möglicherweise Sitzungen stehlen, Aktionen im Namen des Opfers ausführen oder sogar die Systemsicherheit gefährden kann. Diese Schwachstelle ist besonders besorgniserregend in Umgebungen, in denen mehrere Benutzer MLflow-Modelle zugreifen und gemeinsam nutzen.

Organizations using MLflow for machine learning model management, particularly those relying on the web interface for artifact viewing and collaboration, are at risk. Teams using older, unpatched versions of MLflow (0.0.0 - 3.10.1) are especially vulnerable. Shared MLflow instances or deployments where multiple users can upload and view artifacts increase the potential attack surface.

• python / mlflow: Inspect MLmodel artifact YAML files for suspicious JavaScript code.

import yaml

def check_yaml(file_path):
    try:
        with open(file_path, 'r') as f:
            data = yaml.safe_load(f)
            # Add logic to check for suspicious javascript code
    except yaml.YAMLError as e:
        print(f"Error parsing YAML: {e}")

• generic web: Monitor MLflow web interface logs for unusual JavaScript execution patterns or error messages related to YAML parsing. • generic web: Check for unexpected changes in user behavior or access patterns that could indicate session hijacking.

1. 2026-04-07Disclosure

   disclosure

1. Reserviert2026-03-24
2. Veröffentlicht2026-04-07
3. Geändert2026-04-14
4. EPSS aktualisiert2026-04-15

Die Lösung zur Minderung von CVE-2026-33865 ist das Upgrade auf MLflow-Version 3.11.0 oder höher. Diese Version enthält eine Korrektur, die die unsichere Verarbeitung von YAML-Dateien behebt und die Ausführung von XSS-Payloads verhindert. In der Zwischenzeit wird empfohlen, den Zugriff auf die Funktionalität zum Hochladen von MLmodel-Artefakten auf vertrauenswürdige Benutzer zu beschränken. Die Implementierung einer Content Security Policy (CSP) in der MLflow-Weboberfläche kann eine zusätzliche Schutzschicht bieten, obwohl dies keine vollständige Lösung ist. Nach dem Upgrade sollten gründliche Tests durchgeführt werden, um sicherzustellen, dass die Korrektur korrekt angewendet wurde und keine neuen Probleme verursacht hat.