Anmelden
Deutsch English Español Polski
Mittel

Out of bounds access in tensorflow-lite

  • Veröffentlicht: 25.09.2020
  • Aktualisiert: 11.10.2026 13:19

Impact

In TensorFlow Lite, saved models in the flatbuffer format use a double indexing scheme: a model has a set of subgraphs, each subgraph has a set of operators and each operator has a set of input/output tensors. The flatbuffer format uses indices for the tensors, indexing into an array of tensors that is owned by the subgraph. This results in a pattern of double array indexing when trying to get the data of each tensor: https://github.com/tensorflow/tensorflow/blob/0e68f4d3295eb0281a517c3662f6698992b7b2cf/tensorflow/lite/kernels/kernel_util.cc#L36

However, some operators can have some tensors be optional. To handle this scenario, the flatbuffer model uses a negative -1 value as index for these tensors: https://github.com/tensorflow/tensorflow/blob/0e68f4d3295eb0281a517c3662f6698992b7b2cf/tensorflow/lite/c/common.h#L82

This results in special casing during validation at model loading time: https://github.com/tensorflow/tensorflow/blob/0e68f4d3295eb0281a517c3662f6698992b7b2cf/tensorflow/lite/core/subgraph.cc#L566-L580

Unfortunately, this means that the -1 index is a valid tensor index for any operator, including those that don't expect optional inputs and including for output tensors. Thus, this allows writing and reading from outside the bounds of heap allocated arrays, although only at a specific offset from the start of these arrays.

This results in both read and write gadgets, albeit very limited in scope.

Patches

We have patched the issue in several commits (46d5b0852, 00302787b7, e11f5558, cd31fd0ce, 1970c21, and fff2c83). We will release patch releases for all versions between 1.15 and 2.3.

We recommend users to upgrade to TensorFlow 1.15.4, 2.0.3, 2.1.2, 2.2.1, or 2.3.1.

Workarounds

A potential workaround would be to add a custom Verifier to the model loading code to ensure that only operators which accept optional inputs use the -1 special value and only for the tensors that they expect to be optional. Since this allow-list type approach is erro-prone, we advise upgrading to the patched code.

For more information

Please consult our security guide for more information regarding the security model and how to contact us with issues and questions.

Attribution

This vulnerability has been reported by members of the Aivul Team from Qihoo 360.

Betroffene Software

Klicken Sie auf eine Technologie, um alle zugehörigen Schwachstellen anzuzeigen.

PlattformPaketAnfällige VersionenBehoben in
Python (PyPI) tensorflow < 1.15.4, >= 2.0.0, < 2.0.3, >= 2.1.0, < 2.1.2, >= 2.2.0, < 2.2.1, >= 2.3.0, < 2.3.1 1.15.4, 2.0.3, 2.1.2, 2.2.1, 2.3.1
Python (PyPI) tensorflow-cpu < 1.15.4, >= 2.0.0, < 2.0.3, >= 2.1.0, < 2.1.2, >= 2.2.0, < 2.2.1, >= 2.3.0, < 2.3.1 1.15.4, 2.0.3, 2.1.2, 2.2.1, 2.3.1
Python (PyPI) tensorflow-gpu < 1.15.4, >= 2.0.0, < 2.0.3, >= 2.1.0, < 2.1.2, >= 2.2.0, < 2.2.1, >= 2.3.0, < 2.3.1 1.15.4, 2.0.3, 2.1.2, 2.2.1, 2.3.1

Verweise

CVSS-Wert 4.8/10
CVSS-Vektor
CVSS:3.1/AV:N/AC:H/PR:N/UI:N/S:U/C:L/I:L/A:N
Schwäche (CWE)
CWE-125, CWE-787
Plattform
Python (PyPI)
Paket
tensorflow, tensorflow-cpu, tensorflow-gpu
Veröffentlicht
25.09.2020
Aktualisiert
11.10.2026 13:19

Quellen und Lizenzen

OSV / GitHub Advisory Database - PYSEC-2020-134 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2020-291 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2020-326 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - GHSA-cvpc-8phh-8f45 - CC BY 4.0

Schwachstellenhistorie: tensorflow-gpu

Alle veröffentlichten Schwachstellen dieses Pakets (Python (PyPI)), neueste zuerst. Zeigt, ob es ein einmaliger Ausrutscher ist oder ein Paket, das man im Auge behalten muss.

Alle (427) im Archiv
Einträge insgesamt
427
Erste → letzte
04.2019 07.2024
Ohne Fix
0
In Angriffen ausgenutzt
0

Verteilung nach Schweregrad

  • Kritisch 6
  • Hoch 109
  • Mittel 207
  • Niedrig 105

Veröffentlichungen pro Jahr

Schweregrad:
  1. Out of bounds access in tensorflow-lite dieser Eintrag
    Mittel · 4.8 CVE-2020-15211 < 1.15.4, >= 2.0.0, < 2.0.3, >= 2.1.0, < 2.1.2, >= 2.2.0, < 2.2.1, >= 2.3.0, < 2.3.1 1.15.4, 2.0.3, 2.1.2, 2.2.1, 2.3.1
  2. TensorFlow has segfault in array_ops.upper_bound
    Hoch · 7.5 CVE-2023-33976 < 2.12.1 2.12.1
  3. TensorFlow vulnerable to Out-of-Bounds Read in DynamicStitch
    Hoch · 7.5 CVE-2023-25659 < 2.11.1 2.11.1
  4. TensorFlow vulnerable to seg fault in `tf.raw_ops.Print`
    Hoch · 7.5 CVE-2023-25660 < 2.11.1 2.11.1
  5. TensorFlow vulnerable to integer overflow in EditDistance
    Hoch · 7.5 CVE-2023-25662 < 2.11.1 2.11.1
  6. TensorFlow has Null Pointer Error in TensorArrayConcatV2
    Hoch · 7.5 CVE-2023-25663 < 2.11.1 2.11.1
  7. TensorFlow has Null Pointer Error in SparseSparseMaximum
    Hoch · 7.5 CVE-2023-25665 < 2.11.1 2.11.1
  8. TensorFlow has Floating Point Exception in AudioSpectrogram
    Hoch · 7.5 CVE-2023-25666 < 2.11.1 2.11.1
  9. TensorFlow has a heap out-of-buffer read vulnerability in the QuantizeAndDequantize operation
    Kritisch · 9.8 CVE-2023-25668 < 2.11.1 2.11.1
  10. TensorFlow has Floating Point Exception in AvgPoolGrad with XLA
    Hoch · 7.5 CVE-2023-25669 < 2.11.1 2.11.1
  11. TensorFlow has Null Pointer Error in QuantizedMatMulWithBiasAndDequantize
    Hoch · 7.5 CVE-2023-25670 < 2.11.1 2.11.1
  12. TensorFlow has Null Pointer Error in LookupTableImportV2
    Hoch · 7.5 CVE-2023-25672 < 2.11.1 2.11.1
  13. TensorFlow has Floating Point Exception in TensorListSplit with XLA
    Hoch · 7.5 CVE-2023-25673 < 2.11.1 2.11.1
  14. TensorFlow has Null Pointer Error in RandomShuffle with XLA enable
    Hoch · 7.5 CVE-2023-25674 < 2.11.1 2.11.1
  15. TensorFlow has Segfault in Bincount with XLA
    Hoch · 7.5 CVE-2023-25675 < 2.11.1 2.11.1
  16. TensorFlow has null dereference on ParallelConcat with XLA
    Hoch · 7.5 CVE-2023-25676 < 2.11.1 2.11.1
  17. TensorFlow has double free in Fractional(Max/Avg)Pool
    Hoch · 8.0 CVE-2023-25801 < 2.11.1 2.11.1
  18. TensorFlow has Floating Point Exception in TFLite in conv kernel
    Hoch · 7.5 CVE-2023-27579 < 2.11.1 2.11.1
  19. TensorFlow vulnerable to Out-of-Bounds Read in GRUBlockCellGrad
    Hoch · 7.5 CVE-2023-25658 < 2.11.1 2.11.1
  20. Out of bounds write in grappler in Tensorflow
    Hoch · 7.1 CVE-2022-41902 < 2.8.4, >= 2.9.0, < 2.9.3, >= 2.10.0, < 2.10.1 2.8.4, 2.9.3, 2.10.1
  21. FractionalMaxPool and FractionalAVGPool heap out-of-bounds acess
    Hoch · 7.1 CVE-2022-41900 < 2.8.4, >= 2.9.0, < 2.9.3, >= 2.10.0, < 2.10.1 2.8.4, 2.9.3, 2.10.1
Mehr anzeigen (20) 21 von 116 angezeigt

Erkennen Sie Schwachstellen in Ihrer Anwendung

Mit der DockRay-Integration und aktivierter Softwareinventarisierung prüft DockRay gemeldete Komponentenversionen auf bekannte Schwachstellen und benachrichtigt Sie über bestätigte Treffer. Die Abdeckung hängt von der unterstützten Technologie und den verfügbaren Meldungen ab.

Anwendung verbinden
DockRay Newsletter

Anwendungssicherheit in Ihrem Postfach

Wichtige Schwachstellen, konkrete Empfehlungen und praktische Tipps für Ihre Anwendungen. Wählen Sie Ihre Technologien und verfolgen Sie, was für Ihr Projekt relevant ist.

  • Eine tägliche Zusammenfassung neuer Schwachstellen, auch kritischer.
  • Benachrichtigungen über wichtige Updates.
  • Praktische Tipps zur Sicherheit und Überwachung von Anwendungen.

Leer lassen, um Meldungen zu allen Technologien zu erhalten.

Datenschutzerklärung

Kostenlos anmelden. In jeder E-Mail mit einem Klick abmelden.