mudler/localai में पथ पारगमन (Path Traversal)

यह भेद्यता हमलावरों को स्थानीय फ़ाइल सिस्टम तक अनधिकृत पहुंच प्रदान करती है। एक हमलावर model पैरामीटर को कुशलतापूर्वक बदलकर, निर्देशिका संरचना को पार कर सकता है और इच्छित निर्देशिका के बाहर फ़ाइलों को लक्षित कर सकता है। इसका परिणाम संवेदनशील डेटा, कॉन्फ़िगरेशन फ़ाइलों या अन्य महत्वपूर्ण सिस्टम फ़ाइलों के हटाने में हो सकता है। यदि हमलावर सिस्टम पर पर्याप्त विशेषाधिकार प्राप्त करता है, तो वे सिस्टम को पूरी तरह से नियंत्रित कर सकते हैं। यह भेद्यता अन्य प्रणालियों में आगे बढ़ने के लिए एक प्रारंभिक बिंदु के रूप में भी काम कर सकती है, खासकर यदि localai कंटेनर में अन्य संवेदनशील सेवाएं चल रही हैं।

Organizations deploying localai in production environments, particularly those using older versions (≤2.16.0), are at risk. Shared hosting environments where multiple users share the same localai instance are also vulnerable, as an attacker could potentially exploit the vulnerability to delete files belonging to other users. Users relying on localai for critical data processing or storage should prioritize patching.

• docker: Inspect running containers for localai versions prior to 2.16.0 using docker ps and docker exec -it <container_id> localai --version. • file system: Monitor file system activity for unexpected file deletions, particularly in directories containing sensitive data. Use tools like inotifywait (Linux) or file integrity monitoring solutions. • network: Monitor network traffic for suspicious requests targeting the model deletion endpoint with unusual or manipulated parameters. Use tools like Wireshark or tcpdump. • logs: Examine localai application logs for error messages or warnings related to file access or deletion attempts.

1. 2024-06-19Disclosure

   disclosure

1. आरक्षित2024-05-21
2. प्रकाशित2024-06-19
3. संशोधित2024-08-01
4. EPSS अद्यतन2026-04-02

सबसे प्रभावी शमन उपाय localai को संस्करण 2.16.0 या बाद के संस्करण में अपग्रेड करना है, जिसमें इस भेद्यता को ठीक किया गया है। यदि अपग्रेड तत्काल संभव नहीं है, तो एक अस्थायी समाधान के रूप में, आप मॉडल हटाने की प्रक्रिया में इनपुट सत्यापन और सैनिटाइजेशन को मजबूत करने के लिए एक वेब एप्लिकेशन फ़ायरवॉल (WAF) या प्रॉक्सी का उपयोग कर सकते हैं। WAF को model पैरामीटर में पथ पारगमन प्रयासों का पता लगाने और ब्लॉक करने के लिए कॉन्फ़िगर किया जाना चाहिए। इसके अतिरिक्त, फ़ाइल सिस्टम अनुमतियों को सीमित करना और केवल आवश्यक उपयोगकर्ताओं को फ़ाइलों को हटाने की अनुमति देना भी जोखिम को कम करने में मदद कर सकता है। अपग्रेड के बाद, यह सुनिश्चित करने के लिए कि भेद्यता का समाधान हो गया है, मॉडल हटाने की प्रक्रिया का परीक्षण करें।