Zaloguj się
Deutsch English Español Polski
Średnia

Undefined Behavior in mlflow

  • Ujawniono: 06.06.2024
  • Aktualizacja: 11.10.2026 13:18

A vulnerability in mlflow/mlflow version 2.11.1 allows attackers to create multiple models with the same name by exploiting URL encoding. This flaw can lead to Denial of Service (DoS) as an authenticated user might not be able to use the intended model, as it will open a different model each time. Additionally, an attacker can exploit this vulnerability to perform data model poisoning by creating a model with the same name, potentially causing an authenticated user to become a victim by using the poisoned model. The issue stems from inadequate validation of model names, allowing for the creation of models with URL-encoded names that are treated as distinct from their URL-decoded counterparts.

Czego dotyczy

Kliknij technologię, aby zobaczyć wszystkie dotyczące jej podatności.

PlatformaPaczkaPodatne wersjePoprawka w wersji
Python (PyPI) mlflow < 2.11.3 2.11.3

Odnośniki

Ocena CVSS 5.4/10
Wektor CVSS
CVSS:3.1/AV:N/AC:L/PR:L/UI:N/S:U/C:N/I:L/A:L
Słabość (CWE)
CWE-475
Platforma
Python (PyPI)
Paczka
mlflow
Ujawniono
06.06.2024
Aktualizacja
11.10.2026 13:18

Źródła i licencje

OSV / GitHub Advisory Database - GHSA-8f8q-q2j7-7j2m - CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2026-1645 - PyPA Advisory Database; CC BY 4.0

Historia podatności: mlflow

Wszystkie opisane podatności tej paczki (Python (PyPI)), od najnowszej. Widać, czy to jednorazowa wpadka, czy paczka, której trzeba pilnować.

Wszystkie (82) w archiwum
Wszystkich wpisów
82
Pierwsza → ostatnia
02.2022 09.2026
Bez poprawki
18
Wykorzystywana w atakach
1

Rozkład istotności

  • Krytyczna 20
  • Wysoka 48
  • Średnia 13
  • Niska 1

Ujawnienia w latach

Istotność:
  1. Undefined Behavior in mlflow ten wpis
    Średnia · 5.4 CVE-2024-3099 < 2.11.3 2.11.3
  2. MLFLOW_ALLOW_PICKLE_DESERIALIZATION=False safety control bypassed by mlflow.statsmodels flavor — RCE via crafted model artifact
    Wysoka · 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)
    Krytyczna · 9.3 Wykorzystywana w atakach CVE-2026-64849 >= 3.3.0, < 3.15.0 3.15.0
  4. MLflow AI Gateway permits SSRF through an unvalidated api_base
    Wysoka · 7.1 CVE-2026-71211 >= 3.13.0, <= 3.15.2 brak poprawki
  5. MLflow: trace API endpoints lack proper authorization validators
    Wysoka · 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
    Wysoka · 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
    Krytyczna · 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
    Krytyczna · 9.6 CVE-2026-2611 >= 3.9.0, < 3.10.0 3.10.0
  9. MLFlow Creates a Temporary File With Insecure Permissions
    Wysoka · 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
    Wysoka · 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
    Wysoka · 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
    Wysoka · 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
    Krytyczna · 9.1 CVE-2026-0545 <= 3.10.1 brak poprawki
  14. Mlflow: Command Injection when serving models with enable_mlserver=True
    Krytyczna · 9.6 CVE-2026-0596 < 3.9.0 3.9.0
  15. MLflow Command Injection vulnerability
    Krytyczna · 10.0 CVE-2025-15379 < 3.8.1 3.8.1
  16. MLFlow path traversal vulnerability
    Krytyczna · 9.6 CVE-2025-15036 < 3.9.0rc0 3.9.0rc0
  17. MLFlow allows Tracing + Assessments Access
    Wysoka · 8.1 CVE-2025-15381 <= 3.8.1 brak poprawki
  18. Arbitrary file write via tar traversal in mlflow
    Wysoka · 8.1 CVE-2025-15031 < 3.9.0rc0 3.9.0rc0
  19. MLflow has a command injection in mlflow/sagemaker/__init__.py
    Wysoka · 7.5 CVE-2025-14287 < 3.8.0rc0 3.8.0rc0
  20. MLflow Tracking Server Artifact Handler Directory Traversal Remote Code Execution Vulnerability
    Wysoka · 8.1 CVE-2026-2033 < 3.8.0rc0 3.8.0rc0
  21. MLflow Use of Default Password Authentication Bypass Vulnerability
    Krytyczna · 9.8 CVE-2026-2635 < 3.8.0rc0 3.8.0rc0
Pokaż więcej (20) Widać 21 z 69

Dowiedz się, które podatności dotyczą Twojej aplikacji

Po podłączeniu integracji DockRay i włączeniu raportowania oprogramowania DockRay porównuje zgłoszone wersje komponentów ze znanymi podatnościami i powiadamia o potwierdzonych dopasowaniach. Zakres zależy od obsługiwanej technologii i dostępnych biuletynów.

Podłącz swoją aplikację
Newsletter DockRay

Bezpieczeństwo aplikacji w Twojej skrzynce

Najważniejsze podatności, konkretne zalecenia i praktyczne wskazówki dla Twoich aplikacji. Wybierz technologie i śledź to, co ma znaczenie dla Twojego projektu.

  • Codzienne zestawienie nowych podatności, także krytycznych.
  • Powiadomienia o ważnych aktualizacjach.
  • Praktyczne porady o bezpieczeństwie i monitoringu aplikacji.

Pozostaw puste, aby otrzymywać informacje o wszystkich technologiach.

Polityka prywatności

Zapis jest bezpłatny. Wypiszesz się jednym kliknięciem w wiadomości.