خانه » کشف زنجیره‌ای از باگ‌های خطرناک در موتورهای استنتاج هوش مصنوعی: Meta، Nvidia و Microsoft!

کشف زنجیره‌ای از باگ‌های خطرناک در موتورهای استنتاج هوش مصنوعی: Meta، Nvidia و Microsoft!

توسط Vulnerbyte_News
344 بازدید
Researchers Find Serious AI Bugs Exposing Meta, Nvidia, and Microsoft Inference Frameworks گروه والنربایت vulnerbyte

پژوهشگران امنیت سایبری مجموعه‌ای از آسیب‌پذیری‌های اجرای کد از راه دور (RCE) را در موتورهای استنتاج هوش مصنوعی کشف کرده‌اند که چندین پروژه بزرگ از جمله Meta، Nvidia، Microsoft، vLLM و SGLang را تحت تأثیر قرار می‌دهد.

طبق گزارش شرکت Oligo Security، تمام این نقص‌ها به یک ریشه مشترک برمی‌گردند:
استفاده ناامن از ZeroMQ و مکانیزم deserialization پایتون (pickle).

این الگوی تکرارشونده که «ShadowMQ» نام گرفته، از طریق کپی‌برداری و reuse کد در پروژه‌های مختلف تکثیر شده و باعث شده همان اشتباه امنیتی در چندین موتور استنتاج تکرار شود.

ریشه آسیب‌پذیری؛ نقص در فریم‌ورک Llama متعلق به Meta

آسیب‌پذیری اصلی با شناسه CVE-2024-50050 (امتیاز CVSS: 6.3/9.3) سال گذشته در فریم‌ورک Llama متعلق به Meta کشف و پچ شد.

مشکل از آنجا شروع شد که این فریم‌ورک برای دریافت داده از شبکه از تابع recv_pyobj() در ZeroMQ استفاده می‌کرد؛ روشی که داده‌ها را با pickle deserialize می‌کند.

ترکیب این دو موضوع:

  • قرار گرفتن سوکت ZeroMQ روی شبکه

  • استفاده از pickle بدون احراز هویت

راه را برای اجرای کد دلخواه مهاجم باز می‌کرد.

این نقص در کتابخانه pyzmq نیز پچ شده است.

گسترش باگ در پروژه‌های دیگر

اُلیگو اعلام کرده همان الگوی ناامن در پروژه‌های زیر نیز مشاهده شده است:

  • NVIDIA TensorRT-LLM

  • Microsoft Sarathi-Serve

  • Modular Max Server

  • vLLM

  • SGLang

تمام این پروژه‌ها از pickle روی سوکت‌های ZMQ بدون احراز هویت استفاده می‌کردند.

در برخی موارد، فایل‌های آسیب‌پذیر رسماً اعلام کرده‌اند که مستقیماً از پروژه‌های دیگر copy-paste شده‌اند؛
این یعنی یک الگوی ناامن امنیتی بدون بررسی به پروژه‌های متعدد منتقل شده است.

شناسه‌ها و وضعیت پچ ها

پروژهCVEامتیاز CVSSوضعیت
vLLMCVE-2025-301658.0رفع نشده؛ فقط موتور V1 به‌طور پیش‌فرض فعال شده
NVIDIA TensorRT-LLMCVE-2025-232548.8پچ شده (نسخه 0.18.2)
Modular Max ServerCVE-2025-60455پچ شده
Microsoft Sarathi-Serveهنوز پچ نشده
SGLangپچ ناقص

تأثیر امنیتی: از RCE تا سرقت مدل ها LLM

موتورهای استنتاج بخش حیاتی زیرساخت‌های هوش مصنوعی هستند.
نفوذ به یک نود (Node) در این معماری می‌تواند منجر شود به:

  • اجرای کد مخرب روی کل کلاستر

  • ارتقای سطح دسترسی

  • سرقت مدل‌های LLM

  • تزریق cryptominer

  • Pivoting به سرویس‌های دیگر

افشاگری دوم: حملات جدید علیه Cursor

در گزارشی جداگانه، پلتفرم امنیتی Knostic هشدار داده که امکان حمله به Cursor IDE از دو روش وجود دارد:

1) تزریق JavaScript از طریق یک MCP Server مخرب

یک مهاجم می‌تواند MCP Server جعلی بسازد تا:

  • صفحات لاگین IDE را با نسخه جعلی جایگزین کند

  • اطلاعات لاگین کاربر را به سرور خود ارسال کند

2) ساخت افزونه (Extension) مخرب

از آنجا که Cursor شاخه‌ای از VS Code است، افزونه‌های مخرب می‌توانند:

  • فایل‌ها را تغییر دهند

  • رفتار IDE را دستکاری کنند

  • اکستنشن‌های سالم را «malicious» علامت بزنند

  • کد مخرب را ماندگار کنند

کد JavaScript در محیط Node.js فوراً تمام دسترسی‌های IDE را به ارث می‌برد:
فایل سیستم، APIها، تغییر اکستنشن‌ها، اجرای دستورات و تزریق کد پایدار.

راهکارهای دفاعی

کاربران باید:

  • Auto-Run را غیرفعال کنند

  • فقط افزونه‌ها و MCP Serverهای معتبر نصب کنند

  • سطح دسترسی API Keyها را حداقلی تنظیم کنند

  • سورس MCP Serverها را بررسی کنند

  • از کتابخانه‌های ZeroMQ و PyZMQ به‌روز استفاده کنند

منابع:

همچنین ممکن است دوست داشته باشید

پیام بگذارید