CVE-2026-15044
ŚrednieCVSS 6.3Prawdopodobieństwo exploitacji (EPSS)
Niskie ryzykoPercentyl 7 - wyżej niż 7% wszystkich znanych CVE
Streszczenie
W operatorze TrustyAI Service wykryto lukę, która przy wdrażaniu usług takich jak gorch czy NemoGuardrails, przy wyłączonym odpowiednim ustawieniu bezpieczeństwa, pozwala na nieuwierzytelniony dostęp do kanałów komunikacyjnych. Umożliwia to innym programom w klastrze dostęp do barier i orkiestratora AI bez autoryzacji.
Ocena ryzyka
Atakujący może uzyskać nieautoryzowany dostęp do wrażliwych informacji oraz potencjalnie dokonać ograniczonych zmian w modelach AI, co stanowi poważne ryzyko dla poufności i integralności systemu.
Rekomendacja
Należy natychmiast włączyć odpowiednie ustawienie bezpieczeństwa w operatorze TrustyAI Service oraz zaktualizować go do najnowszej wersji, aby wyeliminować podatność.
Inne podatności w TrustyAI Service Operator
Zobacz wszystkie- CVE-2026-15467Wysokie
W kontrolerze LMEvalJob w trustyai-service-operator wykryto podatność umożliwiającą uwierzytelnionemu użytkownikowi w klastrze skonfigurowanie kontenera sidecar w celu ominięcia istniejących polityk bezpieczeństwa. Pozwala to na uruchomienie niezaufanego zdalnego kodu, co prowadzi do wykonania dowolnego kodu w klastrze.
- CVE-2026-15063Średnie
W usłudze gorch, będącej częścią trustyai-service-operator, stwierdzono lukę polegającą na tym, że nawet przy włączonym uwierzytelnianiu, usługa ta udostępnia niechronione porty metryk orkiestratora i detektora. Umożliwia to każdemu podowi w klastrze bezpośredni dostęp do tych portów z pominięciem kube-rbac-proxy i jego mechanizmów uwierzytelniania.
Oryginalny opis (angielski, źródło NVD)
A flaw was found in the TrustyAI Service Operator. When deploying services like gorch or NemoGuardrails, if a specific security setting is not enabled, these services can expose their communication channels without requiring users to prove their identity. This allows any other program within the cluster to access the AI guardrails and orchestrator without proper authorization. An attacker could exploit this to gain unauthorized access to sensitive information and potentially make limited changes to the AI models.