XSS stocké via un parsing YAML non sécurisé dans MLflow

CVE-2026-33865 affecte MLflow, exposant les utilisateurs à un risque de Cross-Site Scripting (XSS) stocké. La vulnérabilité réside dans la manière dont MLflow traite les artefacts MLmodel basés sur YAML dans son interface web. Un attaquant authentifié peut télécharger un fichier MLmodel malveillant contenant une charge utile XSS. Lorsque l'autre utilisateur visualise cet artefact dans l'interface utilisateur, la charge utile s'exécute, permettant potentiellement à l'attaquant de voler des sessions, d'effectuer des actions au nom de la victime ou de compromettre la sécurité du système. Cette vulnérabilité est particulièrement préoccupante dans les environnements où plusieurs utilisateurs accèdent et partagent des modèles MLflow.

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. Réservé2026-03-24
2. Publiée2026-04-07
3. Modifiée2026-04-14
4. EPSS mis à jour2026-04-15

La solution pour atténuer CVE-2026-33865 est de mettre à niveau vers la version 3.11.0 ou supérieure de MLflow. Cette version inclut une correction qui traite de la manière non sécurisée dont les fichiers YAML sont traités, empêchant l'exécution de charges utiles XSS. En attendant, il est recommandé de restreindre l'accès à la fonctionnalité de téléchargement d'artefacts MLmodel aux utilisateurs de confiance. La mise en œuvre d'une Politique de sécurité du contenu (CSP) dans l'interface web de MLflow peut fournir une couche de protection supplémentaire, bien qu'elle ne soit pas une solution complète. Des tests approfondis doivent être effectués après la mise à niveau pour s'assurer que la correction a été appliquée correctement et qu'elle n'a pas introduit de nouveaux problèmes.