【Reproduceret】Sikkerhedsadvarsel om Ollama-sårbarhed med hukommelseslækage (CVE-2026-7482)

Sikkerhedsforskere har for nylig offentliggjort en alvorlig sårbarhed med hukommelseslækage (CVE-2026-7482) i Ollama, en open source inferensplatform til store modeller. Sårbarheden gør det muligt for angribere under bestemte konfigurationer at læse følsomme oplysninger i serverens hukommelse, herunder miljøvariabler, API-nøgler, systemprompter og andre samtidige brugeres samtaledata.

Sårbarheden findes i Ollamas GGUF-modellæser. Med en omhyggeligt konstrueret ondsindet GGUF-fil kan en angriber udløse et heap out-of-bounds read og derved lække data fra serverens hukommelse.

Kort om sårbarheden

Det særligt farlige ved denne sårbarhed er, at den ikke kun kan føre til lækage af data fra den aktuelle session, men også kan kompromittere privatdata fra andre samtidige brugere. Da Ollama i vid udstrækning bruges til lokal inferens af store modeller, har mange virksomheder og udviklere muligvis eksponeret API-endpoints på interne netværk eller på internettet, hvilket giver sårbarheden et betydeligt potentielt trusselsniveau.

CVE-oplysninger

CVE-nummer: CVE-2026-7482
CWE-klassifikation: CWE-125 – Out-of-bounds Read (læsning uden for grænserne)
Sårbarhedstype: hukommelseslækage / heap-bufferoverløb
Offentliggjort af: Echo security team

Detaljer om sårbarheden

Sårbarhedens virkemåde

Sårbarheden findes i Ollamas GGUF-modellæser, konkret i følgende fil:

fs/ggml/gguf.go
server/quantization.goiWriteTo()-funktionen

Angrebsforløbet er som følger:

Angriberen uploader en ondsindet konstrueret GGUF-fil via /api/create-endpointet
Tensor-offsets og -størrelser, der er angivet i GGUF-filen, overstiger filens faktiske længde
Serveren læser under kvantiseringen indhold uden for den tildelte hukommelsesbuffer
De lækkede hukommelsesdata kan indeholde følsomme oplysninger
Angriberen uploader via /api/push-endpointet modellen med de lækkede data til et registrer under egen kontrol

Berørte versioner

Berørte versioner: Ollama < 0.17.1

Sikre versioner: Ollama 0.17.1 og nyere

Angrebsbetingelser

Serveren er konfigureret med OLLAMA_HOST=0.0.0.0 (eksponeret på internettet)
Angriberen kan tilgå /api/create og /api/push-endpoints
Ollama-tjenesten kører på serveren

Potentiel skade

Lækker følsom konfiguration fra miljøvariabler
Stjæler API-nøgler og adgangstokens
Oparttager systemprompter og modelkonfiguration
Læser andre brugeres samtaledata
Kan potentielt føre til supply chain-angreb

Anbefalinger til afhjælpning

Øjeblikkelige foranstaltninger

Opgradér Ollama: opgradér straks til Ollama 0.17.1 eller nyere
Begræns adgangen: sæt OLLAMA_HOSTtil 127.0.0.1 for at undgå eksponering på internettet
Tilføj godkendelse: konfigurér en godkendelsesmekanisme for API-adgang
Netværksisolering: begræns adgangen til Ollama-porten via en firewall

Langsigtet beskyttelse

Opdatér regelmæssigt Ollama til den nyeste stabile version
Implementér princippet om mindst mulige rettigheder
Aktivér adgangslogning og sikkerhedsovervågning
Udfør regelmæssige sikkerhedsrevisioner

Beskyttelsesforanstaltninger

Anbefalinger til virksomheder

Vurdér risikoen: undersøg, om I internt bruger en berørt version af Ollama
Opdatér systemet: opgradér straks efter verifikation i et testmiljø
Sikkerhedshærdning: implementér netværksisolering og adgangskontrol
Overvågning og alarmer: opsæt overvågning af sikkerhedshændelser og en hurtig responsmekanisme

Anbefalinger til udviklere

Eksponér ikke Ollama-API-endpoints i produktionsmiljøer
Brug en omvendt proxy som ekstra sikkerhedslag
Gennemgå og opdatér regelmæssigt afhængigheder
Følg best practices for sikker kodning

Referencer

Afsluttende bemærkninger

Offentliggørelsen af denne sårbarhed minder os endnu en gang om, at sikkerheden i open source-platforme til store modeller er afgørende. Virksomheder og udviklere anbefales at handle straks, opgradere til en sikker version og implementere de nødvendige sikkerhedsforanstaltninger.

Sikkerhed er aldrig en bagatel – vær forberedt, før det går galt!

Læs også

Følg med i flere AI-sikkerhedsnyheder via vores offentlige WeChat-konto.