Anmelden
Deutsch English Español Polski
Hoch

Excessive directory permissions in MLflow leads to local privilege escalation when using spark_udf. This behavior can be exploited by a local attacker to gain elevated permissions by using a ToCToU at

  • Veröffentlicht: 25.11.2024
  • Aktualisiert: 11.10.2026 12:20

Excessive directory permissions in MLflow leads to local privilege escalation when using spark_udf. This behavior can be exploited by a local attacker to gain elevated permissions by using a ToCToU attack. The issue is only relevant when the spark_udf() MLflow API is called.

Betroffene Software

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

PlattformPaketAnfällige VersionenBehoben in
Python (PyPI) mlflow < 2.16.0 2.16.0

Verweise

CVSS-Wert 7/10
CVSS-Vektor
CVSS:3.1/AV:L/AC:H/PR:L/UI:N/S:U/C:H/I:H/A:H
Schwäche (CWE)
CWE-276
Plattform
Python (PyPI)
Paket
mlflow
Veröffentlicht
25.11.2024
Aktualisiert
11.10.2026 12:20

Quellen und Lizenzen

OSV / GitHub Advisory Database - GHSA-qpgc-w4mg-6v92 - CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2024-224 - PyPA Advisory Database; CC BY 4.0

Schwachstellenhistorie: mlflow

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 (82) im Archiv
Einträge insgesamt
82
Erste → letzte
02.2022 09.2026
Ohne Fix
18
In Angriffen ausgenutzt
1

Verteilung nach Schweregrad

  • Kritisch 20
  • Hoch 48
  • Mittel 13
  • Niedrig 1

Veröffentlichungen pro Jahr

Schweregrad:
  1. Excessive directory permissions in MLflow leads to local privilege escalation when using spark_udf. This behavior can be exploited by a local attacker to gain elevated permissions by using a ToCToU at dieser Eintrag
    Hoch · 7.0 CVE-2024-27134 < 2.16.0 2.16.0
  2. MLFLOW_ALLOW_PICKLE_DESERIALIZATION=False safety control bypassed by mlflow.statsmodels flavor — RCE via crafted model artifact
    Hoch · 8.8 ghsa-gqvg-gmmx-x4hm >= 2.1.0, < 3.15.0 3.15.0
  3. MLflow: Unauthenticated full-read SSRF in webhook delivery: _validate_webhook_url bypassed via unvalidated HTTP redirects (and DNS rebinding)
    Kritisch · 9.3 In Angriffen ausgenutzt CVE-2026-64849 >= 3.3.0, < 3.15.0 3.15.0
  4. MLflow AI Gateway permits SSRF through an unvalidated api_base
    Hoch · 7.1 CVE-2026-71211 >= 3.13.0, <= 3.15.2 keine Korrektur
  5. MLflow: trace API endpoints lack proper authorization validators
    Hoch · 8.1 CVE-2026-8147 >= 2.14.0rc0, < 3.13.0rc0 3.13.0rc0
  6. A vulnerability in mlflow/mlflow versions prior to 3.11.0 allows for the resolution of environment variables in AI Gateway secrets, which can be exploited to exfiltrate sensitive server-side environme
    Hoch · 7.7 CVE-2026-4035 < 3.11.0 3.11.0
  7. MLflow allows unauthorized access to multipart upload endpoints when the `--serve-artifacts` mode is enabled
    Kritisch · 9.0 CVE-2026-2651 < 3.10.0 3.10.0
  8. MLflow: Improper Origin Validation in MLflow Assistant /ajax-api Endpoints Enables Browser-Mediated Local Command Execution
    Kritisch · 9.6 CVE-2026-2611 >= 3.9.0, < 3.10.0 3.10.0
  9. MLFlow Creates a Temporary File With Insecure Permissions
    Hoch · 7.0 CVE-2026-4137 >= 1.26.0, < 3.11.0 3.11.0
  10. A vulnerability in mlflow/mlflow versions 3.9.0 and earlier allows unauthenticated access to certain FastAPI routes when the server is started with authentication enabled (`--app-name basic-auth`) and
    Hoch · 8.6 CVE-2026-2652 < 3.10.0 3.10.0
  11. MLflow allows an unauthenticated remote attacker to read arbitrary files from the server's filesystem
    Hoch · 7.5 CVE-2026-2614 < 3.10.0 3.10.0
  12. A Server-Side Request Forgery (SSRF) vulnerability exists in MLflow versions prior to 3.9.0. The `_create_webhook()` function in `mlflow/server/handlers.py` accepts a user-controlled `url` parameter w
    Hoch · 7.1 CVE-2026-2393 < 3.9.0 3.9.0
  13. mlflow: FastAPI job endpoints under `/ajax-api/3.0/jobs/*` are not protected by authentication or authorization
    Kritisch · 9.1 CVE-2026-0545 <= 3.10.1 keine Korrektur
  14. Mlflow: Command Injection when serving models with enable_mlserver=True
    Kritisch · 9.6 CVE-2026-0596 < 3.9.0 3.9.0
  15. MLflow Command Injection vulnerability
    Kritisch · 10.0 CVE-2025-15379 < 3.8.1 3.8.1
  16. MLFlow path traversal vulnerability
    Kritisch · 9.6 CVE-2025-15036 < 3.9.0rc0 3.9.0rc0
  17. MLFlow allows Tracing + Assessments Access
    Hoch · 8.1 CVE-2025-15381 <= 3.8.1 keine Korrektur
  18. Arbitrary file write via tar traversal in mlflow
    Hoch · 8.1 CVE-2025-15031 < 3.9.0rc0 3.9.0rc0
  19. MLflow has a command injection in mlflow/sagemaker/__init__.py
    Hoch · 7.5 CVE-2025-14287 < 3.8.0rc0 3.8.0rc0
  20. MLflow Tracking Server Artifact Handler Directory Traversal Remote Code Execution Vulnerability
    Hoch · 8.1 CVE-2026-2033 < 3.8.0rc0 3.8.0rc0
  21. MLflow Use of Default Password Authentication Bypass Vulnerability
    Kritisch · 9.8 CVE-2026-2635 < 3.8.0rc0 3.8.0rc0
Mehr anzeigen (20) 21 von 68 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.