ShellTorch漏洞影响数万PyTorch模型服务器
研究人员在TorchServe中发现多个高分漏洞，影响数万AI 服务器。
TorchServe是由Meta和 Amazon负责维护的开源的PyTorch 模型服务库，可大规模部署经过训练的 PyTorch，无需编写自定义代码，被学术界和产业界广泛应用于人工智能模型训练和开发，包括亚马逊、OpenAI、特斯拉、Azure、谷歌、Intel等。
ShellTorch
Oligo安全研究人员在开源的TorchServe AI模型服务工具中发现了3个高分安全漏洞——ShellTorch。攻击者利用这些漏洞可以实现非授权的服务器访问、远程代码执行等，影响数万联网服务器，其中部分服务器隶属于大型公司。
ShellTorch漏洞是3个漏洞的集合，影响 TorchServe v0.3.0到v0.8.1版本，这3个漏洞分别是：
1.滥用管理控制台（未经认证的管理接口API错误配置）：TorchServe会暴露多个接口，其中包括允许运行时管理模型的管理API接口。研究人员在其中发现一个错误配置漏洞，导致web panel默认在IP地址0.0.0.0而非localhost，会暴露外部请求。由于接口缺乏认证，任何用户都可以无限制访问，因此攻击者可以从外部地址上传恶意模型。
2.CVE-2023-43654：第二个漏洞是恶意模型注入漏洞，CVSS评分9.8分，通过远程服务器端请求伪造伪造（SSRF）引发远程代码执行。TorchServe模型的配置文件可以使用workflow/model注册API来从远程URL取回。API中包含所允许的域名列表，研究人员发现默认情况下所有的域名都被认为是有效的，因此会引发SSRF。攻击者可以通过上传恶意模型来在目标服务器上触发任意代码执行。
3.CVE-2022-1471：第三个漏洞是一个不安全的开源库使用漏洞，CVSS评分9.9分，漏洞产生的根源是一个Java 反序列化问题引发的远程代码执行。由于SnakeYAML库的不安全反序列化，攻击者可以上传包含恶意YAML文件的模型来触发远程代码执行。
攻击者利用这三个漏洞就可以入侵运行有漏洞版本TorchServe的系统，ShellTorch攻击PoC视频参见：
https://player.vimeo.com/video/870718937
Oligo 研究人员发布了一个工具来检测其服务器实例是否受到ShellTorch攻击的影响，工具下载地址：https://github.com/OligoCyberSecurity/ShellTorchChecker
补丁
Oligo 研究人员分析发现有上万个IP地址（服务器）受到ShellTorch攻击的影响，为修复以上漏洞，建议用户：
1.升级到TorchServe 0.8.2版本，但该版本未修复CVE-2023-43654 。
2.将config.properties文件的管理地址（management_address）设置为http://127.0.0.1:8081来重新正确配置管理控制台。
3.更新 config.properties文件中的allowed_urls，确保服务器只从可信域名取回模型。
