Podatności Amazon SageMaker Python SDK

Brak weryfikacji źródła kanału komunikacji w funkcji default_bucket() w Amazon SageMaker Python SDK w wersjach V3 przed 3.10.0 i V2 przed 2.257.3 może pozwolić zdalnym aktorom na wykonanie kodu w docelowym środowisku wykonawczym SageMaker i uzyskanie poświadczeń IAM poprzez wcześniejsze utworzenie przewidywalnie nazwanego zasobnika S3, którego SDK używa bez weryfikacji własności.

Wstawienie poufnych informacji do plików dziennika w komponencie git_utils[.]py w Amazon SageMaker Python SDK V3 przed 3.10.0 i V2 przed 2.257.3 może pozwolić uwierzytelnionemu zdalnemu użytkownikowi na uzyskanie jawnych poświadczeń repozytorium z CloudWatch Logs, gdy operacja git clone zakończy się niepowodzeniem, ponieważ funkcja runclone_command() nie usuwa poświadczeń z wyjścia błędów podprocesu. Aby naprawić ten problem, użytkownicy powinni zaktualizować do Amazon SageMaker Python SDK V3 3.10.0 lub V2 2.257.3.

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.

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.

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.