Travessia de Caminho em mudler/localai

A exploração bem-sucedida desta vulnerabilidade permite que um atacante delete arquivos sensíveis no sistema localai. Ao manipular o parâmetro 'model' em uma requisição, o atacante pode contornar as restrições de diretório e excluir arquivos fora do diretório pretendido. Isso pode levar à perda de dados críticos, comprometimento da integridade do sistema e, potencialmente, à interrupção do serviço. A ausência de validação adequada do caminho do arquivo abre uma brecha significativa para a manipulação e exclusão não autorizada de dados, tornando a correção imediata essencial.

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. Reservado2024-05-21
2. Publicada2024-06-19
3. Modificada2024-08-01
4. EPSS atualizado2026-04-02

A mitigação primária para esta vulnerabilidade é a atualização para a versão 2.16.0 do localai, que inclui a correção necessária. Se a atualização imediata não for possível, considere implementar medidas de segurança adicionais, como restringir o acesso ao endpoint de exclusão de modelos apenas a usuários autorizados. Implementar validação robusta do parâmetro 'model' para garantir que ele corresponda apenas a caminhos de arquivo válidos e esperados pode ajudar a prevenir a exploração. Monitore os logs do sistema em busca de tentativas de exclusão de arquivos suspeitas.