Katalog podatności CVE

AzuraCast przed wersją 0.23.8 zawiera podatność na fałszowanie żądań po stronie serwera (SSRF) i odczyt lokalnych plików w funkcji pobierania zdalnej playlisty AutoDJ (getMediaFromRemoteUrl()). Użytkownik z uprawnieniami Media może utworzyć playlistę z source=remote_url i remote_type=playlist, wskazując na ścieżkę file:// lub wewnętrzny adres HTTP. Gdy AutoDJ buduje kolejkę, backend przekazuje URL bezpośrednio do file_get_contents() bez listy dozwolonych schematów ani polityki IP, co umożliwia odczyt plików hosta (np. /etc/passwd lub .env) i treści wewnętrznych żądań HTTP. Brak dostępnej wersji z poprawką w momencie publikacji.

AzuraCast przed wersją 0.23.8 zawiera podatność SSRF w walidacji URL webhooka. Walidacja odrzuca tylko adresy IP link-local, ale nie blokuje adresów loopback ani prywatnych, a nazwy hostów niebędące adresami IP całkowicie omijają sprawdzenie. Użytkownik z uprawnieniami WebHooks może skonfigurować webhook wskazujący na wewnętrzne zasoby i wywołać żądanie HTTP POST z danymi Now Playing.

AzuraCast przed wersją 0.23.8 zawiera podatność SSRF w walidacji URL Remote Relay. Walidacja sprawdza tylko składnię URL i schemat http/https, bez ograniczeń dotyczących hosta lub adresu IP. Użytkownik z uprawnieniami RemoteRelays może ustawić URL wskazujący na loopback, sieć prywatną lub adresy metadata chmury, a automatyczna synchronizacja Now Playing będzie wysyłać żądania do tych adresów.

AzuraCast przed wersją 0.23.8 zawiera podatność wstrzykiwania DQL w parametrze sortOrder w AbstractSearchableListAction.php. Atakujący może wstrzykiwać dowolne wyrażenia DQL, aby wyodrębnić wrażliwe dane z bazy, w tym dane uwierzytelniające użytkowników i ustawienia stacji.

MONAI przed wersją 1.5.2 zawiera podatność deserializacji niezaufanych danych w funkcji algo_from_pickle w monai/auto3dseg/utils.py. Funkcja wczytuje plik .pkl i przekazuje jego zawartość do pickle.loads bez walidacji źródła lub zawartości. Jeśli aplikacja wywoła algo_from_pickle na pliku dostarczonym przez atakującego, obiekt definiujący __reduce__ zostanie wykonany podczas deserializacji, co prowadzi do wykonania dowolnego kodu.

MONAI przed wersją 1.6.0 zawiera podatność niebezpiecznej deserializacji w klasie NumpyReader, która bezwarunkowo używa numpy.load z allow_pickle=True podczas ładowania plików .npy i .npz. Atakujący mogą stworzyć złośliwe pliki .npy z ładunkiem pickle, który wykonuje dowolny kod podczas ładowania przez standardowy potok danych MONAI.

MONAI przed wersją 1.6.0 jest podatny na wstrzykiwanie poleceń systemu operacyjnego w komponencie nnUNetV2Runner. Wartości kontrolowane przez użytkownika z pliku konfiguracyjnego YAML (np. dataset_name_or_id) oraz z argumentów CLI/kwargs są łączone w ciąg poleceń bez cytowania i walidacji, a następnie przekazywane do subprocess z shell=True. Jeśli ofiara załaduje przetworzony złośliwy plik konfiguracyjny, dowolne polecenia są wykonywane z uprawnieniami użytkownika uruchamiającego zadanie.

MONAI przed wersją 1.6.0 zawiera podatność zdalnego wykonania kodu w funkcji algo_from_pickle() z powodu niebezpiecznej deserializacji pickle.loads() w monai/auto3dseg/utils.py. Atakujący mogą stworzyć złośliwe pliki pickle, które wykonują dowolne polecenia systemowe podczas deserializacji przez podatną funkcję.

MONAI do wersji 1.6.0 zawiera podatność wstrzykiwania eval w funkcji _get_fake_spatial_shape() w monai/bundle/scripts.py. Funkcja waliduje wyrażenia kształtu za pomocą pomocnika, który przechodzi przez AST i zbiera tylko węzły ast.Name, odrzucając nazwy inne niż 'p' lub 'n', przed przekazaniem stringa do eval(). Wyrażenia zbudowane wyłącznie ze stałych i węzłów atrybutów, indeksów lub wywołań (np. "(1).__class__.__bases__[0].__subclasses__()") nie zawierają węzłów ast.Name i omijają listę dozwolonych. Ponieważ wartość kształtu pochodzi z metadanych pakietu, atakujący, który może wpłynąć na metadane pakietu, może uciec z piaskownicy eval i osiągnąć wykonanie kodu.

W MONAI 1.6.0, PersistentDataset jawnie odrzuca kombinację track_meta=True z weights_only=True, zmuszając użytkowników, którzy buforują MetaTensory, do uruchamiania torch.load(hashfile, weights_only=False). Pomocnicze funkcje cache w monai/data/utils.py również wywołują pickle.loads na buforowanej zawartości i używają hashlib.md5 do kluczy cache. W rezultacie lokalny użytkownik z dostępem do zapisu do współdzielonego katalogu cache może umieścić złośliwy plik pickle, który zostanie zdeserializowany przy następnym odczycie cache przez innego użytkownika, co prowadzi do wykonania dowolnego kodu w kontekście tego użytkownika.

MONAI do wersji 1.6.0 zawiera podatność zdalnego wykonania kodu w silniku konfiguracji pakietów, który rozwiązuje wartości _target_ do dowolnych importowalnych wywołań bez listy dozwolonych i przekazuje wyrażenia $ do Python eval(). Atakujący mogą opublikować złośliwy pakiet z spreparowaną konfiguracją zawierającą dowolny kod, który wykonuje się, gdy ofiara załaduje pakiet za pomocą monai.bundle.load() lub monai.bundle.run().

W wersjach Contrast przed 1.18.0 obsługa ACPI/AML w jądrze gościa jest podatna na atak wstrzyknięcia kodu AML ("BadAML"). Złośliwy host może dostarczyć tablicę ACPI z dowolnym kodem bajtowym AML, który jest wykonywany przez interpreter jądra gościa z dostępem do całej pamięci gościa, w tym stron prywatnych. Dotyczy to platform AMD SEV-SNP (Metal-QEMU-SNP i Metal-QEMU-SNP-GPU); Metal-QEMU-TDX nie jest podatny.

W wersjach Contrast przed 1.19.1 polityki agenta Kata generowane przez CLI Contrast miały błąd w weryfikacji CopyFile, który pozwalał na dowolne zapisy do głównego systemu plików gościa. Złośliwy proces na niezaufanym hoście mogący połączyć się z VSOCK agenta Kata mógł nadpisać krytyczne pliki lub wymusić ujawnienie danych, co w praktyce oznacza pełne przejęcie gościa.

Contrast przed 1.16.0 jest podatny na ataki typu relay na zdalną atestację. Contrast akceptował każde poprawnie zweryfikowane raport atestacji TEE z oczekiwanymi poziomami poprawek i pomiarami oprogramowania, niezależnie od tego, która maszyna go wygenerowała, przez co atestacja nie była powiązana z konkretnym, fizycznie zaufanym sprzętem. Atakujący mogący przechwycić ruch sieciowy i sfałszować raporty może podszyć się pod Coordinator lub workload Contrast, obchodząc weryfikację tożsamości w aTLS.

W coollabsio Coolify do wersji 4.1.2 wykryto lukę w nieznanej funkcji pliku app/Http/Middleware/CanUpdateResource.php w komponencie Route-Level Middleware. Manipulacja może prowadzić do braku autoryzacji, a atak można przeprowadzić zdalnie. Exploit został opublikowany i może być wykorzystany.

vm2 przed 3.12.2 nie stosuje niezmiennika własności backing-store bufora (byteOffset === 0 i buffer.byteLength === length) do buforów zwracanych z wbudowanych modułów hosta. Gdy aplikacja udostępnia moduł zlib Node przez listę dozwolonych wbudowanych w NodeVM, zlib.deflateSync może zwrócić Buffer oparty na współdzielonej puli małych buforów Node, którego .buffer obejmuje całą pulę. Niezaufany kod gościa może utworzyć pełnowymiarowy widok tego ArrayBuffer, aby czytać i modyfikować bajty należące do niepowiązanych buforów hosta.

Contrast w wersjach przed 1.4.1 — odzyskujący Coordinator nie weryfikuje ziarna (seed) dostarczonego przez odzyskującą stronę. Atakujący może postawić fałszywego Coordinatora, którego manifest przechodzi walidację, ale którego seed jest kontrolowany przez atakującego. Jeśli ruch sieciowy zostanie przekierowany z legalnego Coordinatora do fałszywego, właściciel workloadu może zostać podszyty, gdy ustawia nowy manifest bez porównania zwróconego certyfikatu root CA z istniejącym lub weryfikuje Coordinatora bez porównania certyfikatu z zaufanym odniesieniem.

Contrast (Edgeless Systems) przed 1.8.1 loguje sekret workloadu do stderr, a tym samym do logów Kubernetes, gdy inicjalizator Contrast jest skonfigurowany z CONTRAST_LOG_LEVEL ustawionym na info lub debug. Ponieważ info jest domyślnym poziomem, wszystkie instalacje, które nie dostosowały poziomu logowania inicjalizatora, są dotknięte. Ujawnia to sekrety workloadów użytkownikom Kubernetes z uprawnieniami get lub list na pods/logs oraz każdemu z dostępem do odczytu magazynu logów Kubernetes.

Edgelesssys Contrast to runtime confidential-computing dla Kubernetes. W wersjach od 1.9.0 przed 1.12.2 inicjalizator loguje pełną odpowiedź NewMeshCert — zawierającą sekret workloadu — do standardowego wyjścia na poziomie INFO. W rezultacie sekrety workloadów są ujawniane każdemu użytkownikowi Kubernetes z uprawnieniami get lub list na pods/logs. Ponieważ sekrety workloadów są używane do szyfrowanego przechowywania i integracji z Vault, należy je uznać za skompromitowane.

W projekcie CloudClassroom-PHP-Project wykryto podatność typu SQL injection w pliku viewresult.php, polegającą na manipulacji argumentem seno. Podatność można wykorzystać zdalnie, a publiczny exploit jest już dostępny. Produkt jest dostarczany w modelu rolling release, więc szczegóły wersji nie są podane, a producent nie odpowiedział na zgłoszenie.