MLflow: Command-Injection bei Modell-Serving-Initialisierung

Beschreibung

In MLflow besteht eine Command-Injection-Schwachstelle im Initialisierungscode des Modell-Serving-Containers, konkret in der Funktion _install_model_dependencies_to_env(). Beim Deployment eines Modells mit env_manager=LOCAL liest MLflow die Abhängigkeitsangaben aus der Datei python_env.yaml des Modellartefakts und interpoliert sie ohne Bereinigung direkt in einen Shell-Befehl. Dadurch kann ein Angreifer über ein manipuliertes Modellartefakt beliebige Befehle auf Systemen ausführen, die das Modell bereitstellen. Betroffen ist Version 3.8.0. CVSS-Basiswert: 9.8 (Kritisch). Ausnutzungswahrscheinlichkeit (EPSS): 2.0 %. Empfohlene Massnahme: Aktualisierung auf Version 3.8.2.

Changelog

1. 2026-07-15 · zuletzt

   • Report neu erstellt.

Automatisch aus dem Vergleich der Datenstände erzeugt (CVSS, Schweregrad, KEV-Status, Ransomware, betroffene Produkte, EPSS-Sprünge ab 5 Prozentpunkten). Nicht redaktionell verfasst.

Betroffene Produkte

Quellen und Referenzen

• NVD (NIST) Offizieller Eintrag mit CVSS-Vektor und Referenzen
• MITRE CVE CVE-Stammsatz der MITRE Corporation
• FIRST EPSS Ausnutzungswahrscheinlichkeit der naechsten 30 Tage

Weitere Schwachstellen in MLflow

• MLflow Server-Side Request Forgery Vulnerability KEV CVE-2026-64849
• mlflow: Path-Traversal in extract_archive_to_dir CVE-2025-15036
• MLflow: Absolute Path Traversal (vor Version 2.5.0) CVE-2023-3765
• MLflow: Fehlende Authentifizierung an den Job-Endpunkten trotz basic-auth CVE-2026-0545
• MLflow: Authentifizierungsumgehung durch schwache Passwortanforderungen CVE-2025-11200
• Directory-Traversal führt zu Remote Code Execution im MLflow Tracking Server CVE-2025-11201