mlflow: Pontas de finalização de tarefa FastAPI sob `/ajax-api/3.0/jobs/*` não são protegidas por autenticação ou autorização

Um atacante pode explorar essa vulnerabilidade enviando requisições maliciosas para os endpoints de job do mlflow sem a necessidade de autenticação. Se a execução de jobs estiver habilitada (MLFLOWSERVERENABLEJOBEXECUTION=true) e funções específicas estiverem permitidas, o atacante pode efetivamente controlar a execução de código no servidor. Isso pode levar à execução de comandos arbitrários no sistema, permitindo a exfiltração de dados confidenciais, a instalação de malware ou até mesmo o controle total do servidor. A amplitude do impacto é significativa, especialmente em ambientes de produção onde o mlflow é usado para gerenciar modelos de machine learning críticos.

Organizations deploying MLflow in production environments, particularly those with job execution enabled and exposed to external networks, are at significant risk. Shared hosting environments where multiple users share the same MLflow instance are also particularly vulnerable, as an attacker could potentially compromise the entire environment.

• python / server:

import requests
import json

url = 'http://your-mlflow-server/ajax-api/3.0/jobs/'

try:
    response = requests.get(url, timeout=5)
    response.raise_for_status()
    if response.status_code == 200:
        print('Potential vulnerability: Unauthenticated access to job endpoints.')
    else:
        print('Endpoint access restricted (expected).')
except requests.exceptions.RequestException as e:
    print(f'Error connecting to endpoint: {e}')

• linux / server:

journalctl -u mlflow -f | grep -i "unauthorized access"

• generic web:

curl -I http://your-mlflow-server/ajax-api/3.0/jobs/ | grep -i 'HTTP/1.1 200 OK'

1. 2026-04-03Disclosure

   disclosure

1. Reservado2026-01-01
2. Publicada2026-04-03
3. Modificada2026-04-08
4. EPSS atualizado2026-04-11

A mitigação primária é atualizar o mlflow para uma versão corrigida que resolva essa vulnerabilidade. Se a atualização imediata não for possível, considere desabilitar a execução de jobs (definindo MLFLOWSERVERENABLEJOBEXECUTION=false) como uma medida temporária. Implementar autenticação robusta, como a configuração de um servidor proxy reverso com autenticação baseada em IP ou a utilização de um sistema de gerenciamento de identidade e acesso (IAM), pode ajudar a proteger os endpoints de job. Monitore os logs do mlflow em busca de atividades suspeitas e implemente regras de firewall para restringir o acesso aos endpoints de job apenas a fontes confiáveis.