Katalog podatności CVE

Narzędzie CLI llm do wersji 0.27.1 zawiera krytyczną podatność na wstrzykiwanie kodu przez argument --functions. Argument ten pozwala na podanie definicji funkcji Pythona, ale narzędzie bezpośrednio wykonuje kod za pomocą niebezpiecznej funkcji exec() bez żadnej sanitacji. Atakujący może wykorzystać to przez spreparowanie złośliwego polecenia llm z dowolnym kodem Pythona w argumencie --functions i nakłonienie ofiary do jego uruchomienia, co prowadzi do wykonania dowolnego kodu na jej systemie.

Biblioteka imgaug w wersjach do 0.4.0 zawiera podatność na niebezpieczną deserializację w klasie BackgroundAugmenter w module multicore.py. Klasa ta wykorzystuje moduł pickle Pythona do deserializacji danych z kolejki wieloprocesowej bez żadnych kontroli bezpieczeństwa.

Horovod w wersji do 0.28.1 zawiera podatność na niebezpieczną deserializację w komponencie serwera KVStore HTTP. Brak kontroli uwierzytelniania i autoryzacji umożliwia zdalnemu atakującemu wysyłanie dowolnych danych za pomocą żądań HTTP PUT, co prowadzi do możliwości wykonania złośliwego kodu.

Guardrails AI w wersji do 0.6.7 zawiera podatność na wstrzykiwanie kodu (CWE-94) w mechanizmie instalacji pakietów Hub. Podczas instalacji pakietów walidatora, system pobiera manifest z Guardrails Hub i dynamicznie wykonuje skrypt określony w polu post_install, co umożliwia zdalne wykonanie kodu.

Cognee w wersji do 0.4.0 zawiera krytyczną podatność na zdalne wykonanie kodu w swoim API do wykonywania komórek notatnika. Punkt końcowy wykonuje dowolny kod Python dostarczony przez użytkownika, używając niebezpiecznej funkcji exec() bez żadnego piaskownicy, walidacji ani zabezpieczeń.

W bibliotece Adversarial Robustness Toolbox (ART) do wersji 1.20.1 włącznie wykryto podatność na wstrzykiwanie argumentów wiersza poleceń w komponencie Kubeflow (robustness_evaluation_fgsm_pytorch.py). Skrypt używa niebezpiecznej funkcji eval() do parsowania wartości łańcuchowych przekazywanych przez argumenty --clip_values i --input_shape, co pozwala atakującemu na zdalne wykonanie dowolnego kodu Python.

W Adversarial Robustness Toolbox (ART) do wersji 1.20.1 występuje podatność na niebezpieczną deserializację w funkcjonalności ładowania modeli komponentu Kubeflow. Użycie funkcji torch.load() bez parametru weights_only=True umożliwia deserializację dowolnych obiektów Pythona, co może prowadzić do wykonania złośliwego kodu.

Niewystarczająca weryfikacja właściciela w `clientarea.php` pozwala uwierzytelnionemu użytkownikowi obszaru klienta na składanie żądań z użyciem `addonId` innego użytkownika bez weryfikacji własności, co prowadzi do nieautoryzowanego dostępu do konta ofiary.

Brak autoryzacji w Fortinet FortiSandbox umożliwia nieuwierzytelnionemu atakującemu wykonanie nieautoryzowanego kodu lub komend poprzez żądania HTTP. Podatność dotyczy wielu wersji FortiSandbox, FortiSandbox Cloud oraz FortiSandbox PaaS.

JunoClaw to platforma AI, która przed wersją 0.x.y-security-1 miała podatność, w której narzędzia MCP akceptowały 'mnemonic: string' jako parametr wywołania. To prowadziło do osadzenia nasion BIP-39 w JSON wywołania narzędzia LLM, co narażało je na ujawnienie.

Przepełnienie bufora w sterowniku Intel(R) Data Center Graphics dla oprogramowania VMware ESXi przed wersją 2.0.2 może umożliwić eskalację uprawnień. Atakujący z dostępem do systemu i niską złożonością ataku może wykonać lokalny kod bez interakcji użytkownika.

Wersja 1.1.1 serwera MCP w Open Source Kubectl zawiera lukę, która pozwala atakującym na wykonanie dowolnego kodu na systemie ofiary poprzez interakcję użytkownika z przygotowaną stroną HTML.

Podatność związana z niewłaściwą autoryzacją występuje, gdy wiele ograniczeń metod definiuje metodę HTTP dla tego samego rozszerzenia w Apache Tomcat.

Podatność w mechanizmie uwierzytelniania typu digest w Apache Tomcat umożliwia obejście uwierzytelnienia. Dotyczy to wersji od 11.0.0-M1 do 11.0.21, 10.1.0-M1 do 10.1.54, 9.0.0.M1 do 9.0.117, 8.5.0 do 8.5.100 oraz wersji przed 7.0.0.

Podatność związana z niewłaściwą walidacją danych wejściowych w Apache Tomcat może prowadzić do nieautoryzowanego dostępu lub manipulacji danymi. 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 oraz od 10.0.0-M1 do 10.0.27.

Podatność CVE-2026-34187 dotyczy niewłaściwej neutralizacji specjalnych elementów używanych w poleceniach SQL, co umożliwia atak typu SQL Injection poprzez parametr kontenera grafu. Problem ten dotyczy systemu Pandora FMS w wersjach od 777 do 800.

Adversarial Robustness Toolbox (ART) do wersji 1.20.1 zawiera podatność zdalnego wykonania kodu w komponencie Kubeflow. Funkcja oceny odporności dla modeli PyTorch używa niebezpiecznej funkcji eval() do dynamicznego przetwarzania parametrów LossFn i Optimizer bez żadnej sanityzacji, co pozwala atakującemu na wstrzyknięcie dowolnego kodu Python.

Projekt TinyZero zawiera krytyczną podatność na wstrzykiwanie poleceń (CWE-78) w swoich narzędziach operacyjnych HDFS. Podatność wynika z niebezpiecznego konstruowania i wykonywania poleceń powłoki za pomocą os.system() bez odpowiedniej sanitizacji lub ucieczki danych wejściowych.

Wersje PySyft (Syft Datasite/Server) 0.9.5 i wcześniejsze są podatne na zdalne wykonanie kodu z powodu niewystarczającej walidacji i izolacji kodu przesyłanego przez użytkowników. Użytkownicy o niskich uprawnieniach mogą przesyłać funkcje Pythona do zdalnego wykonania na serwerze, co stwarza ryzyko wykonania niebezpiecznego kodu.

Funkcja _load_model() w skrypcie neural_magic_training.py projektu optimate umożliwia wykonanie dowolnego kodu. Użytkownik może podać ścieżkę do katalogu za pomocą argumentu wiersza poleceń --model, co pozwala na odczytanie i wykonanie pliku module.py z tego katalogu bez walidacji jego zawartości.