असुरक्षित YAML पार्सिंग के माध्यम से संग्रहीत XSS MLflow में

CVE-2026-33865 MLflow को प्रभावित करता है, जिससे उपयोगकर्ताओं को संग्रहीत क्रॉस-साइट स्क्रिप्टिंग (XSS) भेद्यता का सामना करना पड़ता है। यह भेद्यता MLflow द्वारा अपने वेब इंटरफ़ेस में YAML-आधारित MLmodel कलाकृतियों को संसाधित करने के तरीके में निहित है। एक प्रमाणित हमलावर XSS पेलोड युक्त दुर्भावनापूर्ण MLmodel फ़ाइल अपलोड कर सकता है। जब कोई अन्य उपयोगकर्ता UI में इस कलाकृति को देखता है, तो पेलोड निष्पादित होता है, जिससे हमलावर सत्रों को चुरा सकता है, पीड़ित की ओर से कार्रवाई कर सकता है, या सिस्टम सुरक्षा से समझौता कर सकता है। कई उपयोगकर्ताओं द्वारा MLflow मॉडल तक पहुंचने और साझा करने वाले वातावरण में यह भेद्यता विशेष रूप से चिंताजनक है।

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. आरक्षित2026-03-24
2. प्रकाशित2026-04-07
3. संशोधित2026-04-14
4. EPSS अद्यतन2026-04-15

CVE-2026-33865 को कम करने का समाधान MLflow को संस्करण 3.11.0 या उच्चतर में अपग्रेड करना है। इस संस्करण में एक फिक्स शामिल है जो YAML फ़ाइलों के असुरक्षित हैंडलिंग को संबोधित करता है, जिससे XSS पेलोड का निष्पादन रोका जा सकता है। इस बीच, MLmodel कलाकृति अपलोड कार्यक्षमता तक पहुंच को विश्वसनीय उपयोगकर्ताओं तक सीमित करने की अनुशंसा की जाती है। MLflow वेब इंटरफ़ेस में सामग्री सुरक्षा नीति (CSP) को लागू करने से अतिरिक्त सुरक्षा परत प्रदान की जा सकती है, हालांकि यह एक पूर्ण समाधान नहीं है। अपग्रेड के बाद यह सुनिश्चित करने के लिए कि फिक्स को सही ढंग से लागू किया गया है और इसने कोई नई समस्या नहीं पेश की है, पूरी तरह से परीक्षण किया जाना चाहिए।