mlflow: Les points de terminaison de tâches FastAPI sous `/ajax-api/3.0/jobs/*` ne sont pas protégés par l'authentification ou l'autorisation

Cette vulnérabilité est particulièrement critique car elle permet à un attaquant non authentifié de soumettre, lire, rechercher et annuler des tâches mlflow. Si l'exécution de tâches est activée (MLFLOWSERVERENABLEJOBEXECUTION=true) et que des fonctions de tâches sont autorisées, un attaquant peut potentiellement exécuter du code arbitraire sur le serveur. Cela peut inclure l'exécution de commandes shell, la modification du système de fichiers ou l'accès à des données sensibles. Le risque est amplifié si les tâches mlflow ont des privilèges élevés ou accèdent à des ressources critiques. Une exploitation réussie pourrait compromettre complètement le serveur mlflow et les données qu'il gère.

Organizations deploying MLflow in production environments, particularly those with job execution enabled and exposed to external networks, are at significant risk. Shared hosting environments where multiple users share the same MLflow instance are also particularly vulnerable, as an attacker could potentially compromise the entire environment.

• python / server:

import requests
import json

url = 'http://your-mlflow-server/ajax-api/3.0/jobs/'

try:
    response = requests.get(url, timeout=5)
    response.raise_for_status()
    if response.status_code == 200:
        print('Potential vulnerability: Unauthenticated access to job endpoints.')
    else:
        print('Endpoint access restricted (expected).')
except requests.exceptions.RequestException as e:
    print(f'Error connecting to endpoint: {e}')

• linux / server:

journalctl -u mlflow -f | grep -i "unauthorized access"

• generic web:

curl -I http://your-mlflow-server/ajax-api/3.0/jobs/ | grep -i 'HTTP/1.1 200 OK'

1. 2026-04-03Disclosure

   disclosure

1. Réservé2026-01-01
2. Publiée2026-04-03
3. Modifiée2026-04-08
4. EPSS mis à jour2026-04-11

La mitigation principale consiste à mettre à jour mlflow vers une version corrigée dès que possible. En attendant la mise à jour, désactivez l'exécution de tâches en définissant MLFLOWSERVERENABLEJOBEXECUTION=false. Si la désactivation n'est pas possible, restreignez strictement les fonctions de tâches autorisées pour minimiser la surface d'attaque. Envisagez d'utiliser un pare-feu d'application web (WAF) pour bloquer les requêtes non authentifiées vers les points de terminaison des tâches FastAPI. Surveillez attentivement les journaux du serveur mlflow pour détecter toute activité suspecte, comme des tâches soumises par des adresses IP inconnues. Après la mise à jour, vérifiez que l'authentification est correctement appliquée aux points de terminaison des tâches en tentant de soumettre une tâche sans authentification.