CVE-2025-14927

Podatność w Hugging Face Transformers (wersje 4.57.0 do 5.16.1) pozwala na zapis zdalnych plików Python na lokalnym dysku bez zgody użytkownika podczas korzystania z GenerativePreTrainedModel.load_custom_generate(). Funkcja pobiera i buforuje zdalny plik modułu przed wykonaniem wymaganej kontroli zgody trust_remote_code, odwracając model bezpieczeństwa stosowany w innych ścieżkach ładowania kodu. W rezultacie kod Python kontrolowany przez atakującego z custom_generate/generate.py jest kopiowany do katalogu ~/.cache/huggingface/modules użytkownika, nawet jeśli użytkownik odrzuci monit o zaufanie.

Hugging Face Transformers nie waliduje nazw plików shardów w plikach indeksu checkpointów, co pozwala atakującym czytać dowolne pliki poza katalogiem modelu. Atakujący mogą dostarczyć złośliwe pliki indeksu z odniesieniami do katalogów nadrzędnych lub ścieżkami bezwzględnymi, co umożliwia ujawnienie plików i rozpoznanie systemu plików.

Hugging Face Transformers do wersji 5.8.0.dev0 zawiera podatność na zapis dowolnych plików przez path traversal w metodach save_pretrained(). Klucze z chat_template są używane jako nazwy plików bez walidacji.

Podatność deserializacji niezaufanych danych w bibliotece Hugging Face Transformers dla modelu GLM4 podczas przetwarzania wag. Brak walidacji danych dostarczonych przez użytkownika może prowadzić do deserializacji niezaufanych danych i zdalnego wykonania kodu.

Podatność w Hugging Face Transformers podczas konwersji checkpointów X-CLIP polega na deserializacji niezaufanych danych bez odpowiedniej walidacji. Wymaga interakcji użytkownika (otwarcie złośliwego pliku lub strony). Może prowadzić do zdalnego wykonania kodu w kontekście bieżącego procesu.

Podatność wstrzyknięcia kodu w funkcji convert_config biblioteki Hugging Face Transformers dla modelu HuBERT. Brak walidacji ciągu znaków dostarczonego przez użytkownika przed użyciem go do wykonania kodu Python umożliwia zdalne wykonanie kodu.

Podatność wstrzyknięcia kodu w funkcji convert_config biblioteki Hugging Face Transformers dla modelu SEW. Brak walidacji ciągu znaków dostarczonego przez użytkownika przed użyciem go do wykonania kodu Python umożliwia zdalne wykonanie kodu.

Podatność deserializacji niezaufanych danych w bibliotece Hugging Face Transformers dla modelu megatron_gpt2 podczas przetwarzania checkpointów. Brak walidacji danych dostarczonych przez użytkownika może prowadzić do deserializacji niezaufanych danych i zdalnego wykonania kodu.

Podatność deserializacji niezaufanych danych w bibliotece Hugging Face Transformers dla modelu Transformer-XL podczas przetwarzania plików modelu. Brak walidacji danych dostarczonych przez użytkownika może prowadzić do deserializacji niezaufanych danych i zdalnego wykonania kodu.

Podatność w Hugging Face Transformers w modelu Perceiver podczas parsowania plików modelu polega na deserializacji niezaufanych danych bez odpowiedniej walidacji. Wymaga interakcji użytkownika (otwarcie złośliwego pliku lub strony). Może prowadzić do zdalnego wykonania kodu w kontekście bieżącego użytkownika.