CVE-2025-6921
WysokieCVSS 7.5Prawdopodobieństwo exploitacji (EPSS)
Niskie ryzykoPercentyl 42 - wyżej niż 42% wszystkich znanych CVE
Streszczenie
Biblioteka huggingface/transformers przed wersją 4.53.0 jest podatna na Regular Expression Denial of Service (ReDoS) w optymalizatorze AdamWeightDecay. Metoda _do_use_weight_decay przetwarza kontrolowane przez użytkownika wyrażenia regularne, co może prowadzić do katastrofalnego cofania się i 100% użycia CPU.
Ocena ryzyka
Atakujący kontrolujący wzorce w listach może spowodować zawieszenie zadań uczenia maszynowego i niedostępność usług.
Rekomendacja
Zaktualizuj bibliotekę transformers do wersji 4.53.0 lub nowszej.
Inne podatności w huggingface/transformers
Zobacz wszystkie- CVE-2026-5241Krytyczne
Podatność w ścieżce ładowania modelu LightGlue w huggingface/transformers w wersji 5.2.0 pozwala na zdalne wykonanie kodu podczas inicjalizacji modelu z repozytorium kontrolowanego przez atakującego, poprzez nadpisanie parametru trust_remote_code przez niezaufane dane konfiguracyjne.
- CVE-2026-4372Wysokie
We wszystkich wersjach biblioteki HuggingFace transformers przed 5.3.0 istnieje krytyczna podatność zdalnego wykonania kodu. Atakujący może przygotować złośliwy plik config.json z polem _attn_implementation_internal ustawionym na ID repozytorium na HuggingFace Hub. Gdy ofiara ładuje model przez AutoModelForCausalLM.from_pretrained(), biblioteka pobiera i wykonuje dowolny kod Pythona z repozytorium atakującego z pełnymi uprawnieniami systemowymi.
Oryginalny opis (angielski, źródło NVD)
The huggingface/transformers library, versions prior to 4.53.0, is vulnerable to Regular Expression Denial of Service (ReDoS) in the AdamWeightDecay optimizer. The vulnerability arises from the _do_use_weight_decay method, which processes user-controlled regular expressions in the include_in_weight_decay and exclude_from_weight_decay lists. Malicious regular expressions can cause catastrophic backtracking during the re.search call, leading to 100% CPU utilization and a denial of service. This issue can be exploited by attackers who can control the patterns in these lists, potentially causing the machine learning task to hang and rendering services unresponsive.
Dane podatności pochodzą z NVD (NIST) · CISA KEV · EPSS