CVE-2026-32207
WysokieStreszczenie
W Azure Machine Learning występuje niewłaściwe neutralizowanie danych wejściowych podczas generowania stron internetowych, co prowadzi do podatności na ataki typu cross-site scripting (XSS). Taki atak umożliwia nieautoryzowanemu napastnikowi przeprowadzenie oszustwa w sieci.
Ocena ryzyka
Organizacja może być narażona na ataki, które mogą prowadzić do kradzieży danych lub przejęcia sesji użytkowników. To z kolei może skutkować utratą zaufania klientów oraz potencjalnymi stratami finansowymi.
Rekomendacja
Zaleca się wdrożenie odpowiednich mechanizmów sanitizacji danych wejściowych oraz regularne aktualizowanie komponentów Azure Machine Learning, aby zminimalizować ryzyko ataków XSS.
Inne podatności w Azure Machine Learning
Zobacz wszystkie- CVE-2026-33833Wysokie
Nieprawidłowe neutralizowanie specjalnych elementów w danych wyjściowych używanych przez komponent downstream w Azure Machine Learning umożliwia nieautoryzowanemu atakującemu przeprowadzenie spoofingu w sieci.
- CVE-2023-23382Średnie
Podatność ujawnienia informacji w usłudze Azure Machine Learning Compute Instance. Atakujący może wykorzystać tę podatność do uzyskania nieautoryzowanego dostępu do danych.
Oryginalny opis (angielski, źródło NVD)
Improper neutralization of input during web page generation ('cross-site scripting') in Azure Machine Learning allows an unauthorized attacker to perform spoofing over a network.