Katalog podatności CVE

Nieprawidłowa walidacja wejścia w oprogramowaniu Intel Endpoint Management Assistant (EMA) przed wersją 1.14.5 w warstwie Ring 3 (aplikacje użytkownika) może umożliwić eskalację uprawnień. Atakujący z nieuwierzytelnionym użytkownikiem i niskim poziomem złożoności ataku może uzyskać podwyższone uprawnienia. Podatność wymaga dostępu sąsiedzkiego i nie wymaga interakcji użytkownika.

Podatność związana z niewłaściwym traktowaniem wielkości liter w LockOutRealm w Apache Tomcat może prowadzić do nieautoryzowanego dostępu. Dotyczy to wersji od 11.0.0-M1 do 11.0.21, od 10.1.0-M1 do 10.1.54, od 9.0.0.M1 do 9.0.117, od 8.5.0 do 8.5.100 oraz od 7.0.0 do 7.0.109.

Podatność w Apache Tomcat związana z ujawnieniem nagłówka uwierzytelniania HTTP nieoczekiwanym hostom podczas uwierzytelniania WebSocket. Dotyczy wersji od 11.0.0-M1 do 11.0.21, 10.1.0-M1 do 10.1.54, 9.0.2 do 9.0.117, 8.5.24 do 8.5.100 oraz 7.0.83 do 7.0.109.

W Apache Tomcat występuje podatność związana z alokacją zasobów bez ograniczeń lub throttlingu. Dotyczy to wersji od 11.0.0-M1 do 11.0.21, od 10.1.0-M1 do 10.1.54 oraz od 9.0.0.M1 do 9.0.117.

Projekt superduper w wersji do 0.10.0 zawiera krytyczną podatność na zdalne wykonanie kodu w swoim komponencie analizy zapytań. Funkcja _parse_op_part() w pliku query.py używa niebezpiecznej funkcji eval() do dynamicznej oceny operandów zapytań dostarczonych przez użytkownika bez odpowiedniej sanitizacji.

Biblioteka snorkel w wersji do 0.10.0 zawiera podatność na niebezpieczną deserializację w metodzie MultitaskClassifier.load(). Metoda ta ładuje pliki wag modelu bez włączenia parametru weights_only=True, co umożliwia deserializację dowolnych obiektów Pythona.

Biblioteka snorkel w wersji do 0.10.0 zawiera krytyczną podatność na niebezpieczną deserializację w metodzie BaseLabeler.load(). Metoda ta ładuje zserializowane modele etykietera przy użyciu niebezpiecznej funkcji pickle.load() na podstawie ścieżek plików dostarczonych przez użytkownika, bez żadnej walidacji.

Biblioteka snorkel w wersjach do 0.10.0 zawiera podatność na niebezpieczną deserializację w metodzie Trainer.load(). Metoda ta ładuje pliki punktów kontrolnych modelu bez włączenia parametru weights_only=True, co umożliwia deserializację dowolnych obiektów Pythona.

Wersje PyTorch-Lightning 2.6.0 i wcześniejsze zawierają podatność na niebezpieczną deserializację w mechanizmie ładowania punktów kontrolnych. Metoda LightningModule.load_from_checkpoint() wywołuje torch.load() bez ustawienia parametru security-restrictive weights_only=True, co umożliwia deserializację dowolnych obiektów Pythona.

Funkcja _load_model() w skrypcie neural_magic_training.py projektu optimate jest podatna na niebezpieczną deserializację. Umożliwia to złośliwemu atakującemu wykonanie dowolnego kodu na systemie ofiary poprzez dostarczenie zmanipulowanego pliku modelu.

Funkcja _load_model() w skrypcie neural_magic_training.py projektu optimate jest podatna na niebezpieczną deserializację. Brak włączenia parametru bezpieczeństwa weights_only=True podczas ładowania pliku state_dict.pt umożliwia deserializację dowolnych obiektów Pythona, co może prowadzić do wykonania złośliwego kodu.

Podatność typu Server-Side Request Forgery umożliwia eskalację uprawnień za pośrednictwem rozszerzenia API Checker. Problem ten dotyczy Pandora FMS w wersjach od 777 do 800.

Podatność na fałszowanie sesji umożliwia przejęcie sesji za pomocą spreparowanego identyfikatora sesji. Problem ten dotyczy Pandora FMS w wersjach od 777 do 800.

Podatność typu Cross-Site Request Forgery (CSRF) pozwala atakującemu na wykonywanie nieautoryzowanych działań za pomocą spreparowanej strony internetowej. Problem ten dotyczy systemu Pandora FMS w wersjach od 777 do 800.

W MK-Auth 23.01K4.9 występuje podatność na przesyłanie dowolnych plików, która pozwala atakującym na wykonanie dowolnego kodu poprzez przesłanie spreparowanego pliku PHP.

W konsoli internetowej Ivanti Endpoint Manager przed wersją 2024 SU6 występuje podatność na atak typu SQL injection, która pozwala zdalnemu, uwierzytelnionemu atakującemu na zdalne wykonanie kodu.

W Ivanti Endpoint Manager przed wersją 2024 SU6 występuje nieprawidłowe przypisanie uprawnień w agencie, co pozwala lokalnemu, uwierzytelnionemu atakującemu na eskalację swoich uprawnień.

W Ivanti Virtual Traffic Manager przed wersją 22.9r4 występuje podatność na wstrzykiwanie poleceń systemowych, która pozwala zdalnemu, uwierzytelnionemu atakującemu z uprawnieniami administratora na zdalne wykonanie kodu.

W Ivanti Secure Access Client przed wersją 22.8R6 występuje warunek wyścigu, który pozwala lokalnie uwierzytelnionemu użytkownikowi na eskalację uprawnień do poziomu SYSTEM.

Istnieje podatność związana z inicjalizacją zasobu z niebezpiecznym domyślnym ustawieniem, która może prowadzić do nieautoryzowanego ujawnienia wrażliwych informacji, gdy dane uwierzytelniające wracają do ustawień początkowych w rzadkich okolicznościach.