CVE-2026-8597
WysokieStreszczenie
Brak weryfikacji integralności w obsłudze wnioskowania Triton w Amazon SageMaker Python SDK przed wersją v2.257.2 i v3 przed v3.8.0 może umożliwić zdalnemu uwierzytelnionemu użytkownikowi wykonanie kodu w kontenerach wnioskowania poprzez zastąpienie artefaktów modelu w S3 specjalnie przygotowanym ładunkiem pickle, który jest deserializowany bez weryfikacji.
Ocena ryzyka
Organizacja może być narażona na zdalne wykonanie kodu, co może prowadzić do utraty danych lub nieautoryzowanego dostępu do systemów.
Rekomendacja
Zaleca się aktualizację do Amazon SageMaker Python SDK w wersji v2.257.2 lub v3.8.0 oraz odbudowę wszelkich modeli Triton utworzonych wcześniej za pomocą ModelBuilder przy użyciu zaktualizowanego SDK.
Inne podatności w Amazon SageMaker Python SDK
Zobacz wszystkie- CVE-2026-83551Wysokie
Przechowywanie poufnych informacji w postaci jawnego tekstu w komponencie potoku dekoratorów @step i @remote w Amazon SageMaker Python SDK przed wersjami v3.11.0 i v2.256.0 może umożliwić uwierzytelnionemu zdalnemu użytkownikowi wyodrębnienie klucza podpisywania HMAC z odpowiedzi API DescribePipeline i sfałszowanie prawidłowych podpisów integralności dla specjalnie spreparowanych ładunków funkcji, osiągając wykonanie kodu w kontekście wykonania potoku innego użytkownika w tym samym koncie AWS.
- CVE-2026-8596Wysokie
W komponentach ModelBuilder/Serve w Amazon SageMaker Python SDK przed wersją v2.257.2 oraz v3 przed wersją v3.8.0 występuje przechowywanie wrażliwych informacji w postaci niezaszyfrowanej. Może to umożliwić zdalnemu, uwierzytelnionemu atakującemu wydobycie klucza HMAC z odpowiedzi API SageMaker i sfałszowanie ważnych podpisów integralności dla specjalnie przygotowanych artefaktów modeli, co prowadzi do wykonania kodu w kontenerach inferencyjnych.
Oryginalny opis (angielski, źródło NVD)
Missing integrity verification in the Triton inference handler in Amazon SageMaker Python SDK v2 before v2.257.2 and v3 before v3.8.0 might allow a remote authenticated actor to achieve code execution in inference containers via replacement of model artifacts in S3 with a specially crafted pickle payload that is deserialized without verification. This issue requires a remote authenticated actor with S3 write access to the model artifact path. To remediate this issue, we recommend upgrading to Amazon SageMaker Python SDK v2.257.2 or v3.8.0 and rebuild any Triton models previously created with ModelBuilder using the updated SDK.