MLflow 中不安全 YAML 解析导致的存储型 XSS

CVE-2026-33865 影响 MLflow，使⽤户面临跨站脚本 (XSS) 存储型漏洞的风险。该漏洞在于 MLflow 在其 Web 界面中处理 YAML 格式的 MLmodel 工件的方式。经过身份验证的攻击者可以上传包含 XSS 负载的恶意 MLmodel 文件。当其他⽤户在 UI 中查看此⼯件时，负载将执⾏，从而可能允许攻击者窃取会话、代表受害者执⾏操作，甚⾄破坏系统安全。在多个⽤户访问和共享 MLflow 模型的环境中，此漏洞尤其令人担忧。

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. 已保留2026-03-24
2. 发布日期2026-04-07
3. 修改日期2026-04-14
4. EPSS 更新日期2026-04-15

减轻 CVE-2026-33865 的解决方案是升级到 MLflow 3.11.0 或更高版本。此版本包含修复程序，解决了 YAML 文件的处理不安全问题，从而防止 XSS 负载的执⾏。在此期间，建议限制对 MLmodel 工件上传功能访问，仅限于可信⽤户。在 MLflow Web 界面中实施内容安全策略 (CSP) 可以提供额外的保护层，但并非完整的解决方案。升级后，必须进行彻底的测试，以确保修复程序已正确应用，并且没有引入新的问题。