mlflow vulnérable à une traversée de chemin (Path Traversal)

L'exploitation réussie de cette vulnérabilité permet à un attaquant de lire des fichiers arbitraires sur le serveur MLflow. Cela peut inclure des fichiers de configuration contenant des informations sensibles, des clés API, des données d'entraînement ou d'autres informations confidentielles. L'attaquant pourrait potentiellement compromettre l'intégrité et la confidentialité des données stockées sur le serveur. Bien que la description ne mentionne pas de mouvement latéral direct, l'accès à des fichiers de configuration pourrait révéler des informations permettant de compromettre d'autres systèmes sur le réseau. La portée de cette vulnérabilité dépend de la configuration du serveur MLflow et des permissions accordées au compte utilisé par le processus MLflow.

Organizations deploying MLflow for machine learning model management, particularly those using older versions (≤2.9.2), are at risk. Shared hosting environments where multiple users share the same MLflow instance are especially vulnerable, as an attacker could potentially access data belonging to other users. Environments with weak access controls to the MLflow tracking server are also at increased risk.

• python / mlflow:

import os
import mlflow

# Attempt to read a file outside the intended directory
try:
    mlflow.tracking.MlflowClient().create_model_version('model', '1', source='../../../../../../etc/passwd')
    print('Potential vulnerability detected!')
except Exception as e:
    print(f'Error: {e}')

• generic web: Check MLflow server logs for requests containing path traversal sequences (e.g., '../'). • generic web: Monitor network traffic to the MLflow server for suspicious requests targeting the /tracking/model-versions endpoint.

1. 2024-04-16Disclosure

   disclosure

1. Réservé2024-02-15
2. Publiée2024-04-16
3. Modifiée2025-02-04
4. EPSS mis à jour2026-04-02

La mitigation principale consiste à mettre à jour MLflow vers la version 2.12.1 ou supérieure, qui corrige cette vulnérabilité. Si la mise à jour n'est pas immédiatement possible, envisagez de restreindre l'accès au serveur MLflow via un pare-feu ou un proxy inverse. Vérifiez également les permissions des fichiers et répertoires sur le serveur pour vous assurer que le processus MLflow n'a accès qu'aux ressources nécessaires. Il n'existe pas de règles WAF spécifiques connues pour cette vulnérabilité, mais une règle générale interdisant les caractères spéciaux dans les chemins d'accès pourrait aider à atténuer le risque. Après la mise à jour, vérifiez que la vulnérabilité est corrigée en tentant une requête avec un paramètre source malveillant et en confirmant que l'accès est refusé.