mlflow での Path Traversal 脆弱性

この脆弱性を悪用されると、攻撃者はmlflowサーバー上で実行中のプロセスとして、機密情報を含む任意のファイルを読み取ることができます。例えば、設定ファイル、ログファイル、または他のアプリケーションのデータファイルなどが対象となる可能性があります。攻撃者は、この情報を利用して、システムの認証情報を盗み出したり、他のシステムへの攻撃の足がかりにしたりする可能性があります。特に、mlflowが機密データを扱う環境では、この脆弱性の影響は甚大です。攻撃者は、読み取ったファイルの内容を外部に送信したり、内部ネットワーク上で拡散させたりすることで、さらなる被害を拡大させる可能性があります。

Organizations deploying MLflow for machine learning model tracking and management are at risk. This includes teams using MLflow in production environments, particularly those with custom configurations or integrations that might not be fully aware of the vulnerability's implications. Shared hosting environments where multiple users share the same MLflow instance are also at increased risk.

• python / mlflow: Inspect MLflow server logs for requests containing # in the artifact_location parameter.

# Example: Search for log entries containing '#'
with open('mlflow.log', 'r') as f:
    for line in f:
        if '#' in line:
            print(line)

• generic web: Monitor web server access logs for requests to MLflow endpoints with unusual or unexpected characters in the artifact_location parameter. • generic web: Check for unexpected files appearing in the MLflow artifact storage directory.

1. 2024-04-16Disclosure

   disclosure

1. 予約済み2024-02-16
2. 公開日2024-04-16
3. 更新日2025-02-04
4. EPSS 更新日2026-04-02

この脆弱性への対応策として、まずmlflowを最新バージョンにアップデートすることが最も効果的です。アップデートが困難な場合は、artifactlocationパラメータの入力値を厳密に検証し、不正な文字（#など）が含まれていないことを確認する入力検証を実装してください。また、WAF（Web Application Firewall）を導入し、パストラバーサル攻撃を検知・防御することも有効です。mlflowのログを監視し、不審なファイルアクセスを検知するルールを定義することも重要です。アップデート後、artifactlocationパラメータを使用して実験を作成し、意図しないファイルへのアクセスが発生しないことを確認してください。