[Riprodotto] Avviso di rischio di sicurezza: vulnerabilità di memory leak di Ollama (CVE-2026-7482)

Di recente, i ricercatori di sicurezza hanno divulgato una grave vulnerabilità di memory leak (CVE-2026-7482) presente nella piattaforma open source Ollama per l'inferenza di grandi modelli. La vulnerabilità consente a un attaccante, in determinate configurazioni, di leggere informazioni sensibili nella memoria del server, tra cui variabili d'ambiente, chiavi API, prompt di sistema e dati di conversazione di utenti concorrenti.

La vulnerabilità risiede nel caricatore di modelli GGUF di Ollama: tramite un file GGUF dannoso appositamente costruito, un attaccante può innescare una lettura fuori dai limiti dell'heap (heap out-of-bounds read) e conseguentemente esfiltrare dati dalla memoria del server.

Panoramica della vulnerabilità di sicurezza

Ciò che rende questa vulnerabilità particolarmente pericolosa è che non solo può causare la fuga di dati della sessione corrente, ma può anche compromettere i dati personali di altri utenti concorrenti. Poiché Ollama è ampiamente utilizzato per servizi locali di inferenza di grandi modelli, molte aziende e sviluppatori potrebbero aver esposto gli endpoint API su reti interne o pubbliche, il che rende questa vulnerabilità una minaccia potenziale elevata.

Informazioni sul codice CVE

Codice CVE: CVE-2026-7482
Classificazione CWE: CWE-125 – Out-of-bounds Read (lettura fuori dai limiti)
Tipo di vulnerabilità: memory leak / overflow del buffer dell'heap
Fonte della divulgazione: Echo security team

Dettagli della vulnerabilità

Funzionamento della vulnerabilità

La vulnerabilità si trova nel caricatore di modelli GGUF di Ollama, in particolare nel seguente file:

fs/ggml/gguf.go
server/quantization.gonella funzioneWriteTo()interessata

Il flusso dell'attacco è il seguente:

L'attaccante, tramite l'endpoint/api/createcarica un file GGUF appositamente costruito in modo dannoso
Gli offset e le dimensioni dei tensori dichiarati nel file GGUF superano la lunghezza effettiva del file
Durante la quantizzazione, il server legge contenuti oltre il buffer di memoria allocato
I dati di memoria trapelati possono contenere informazioni sensibili
L'attaccante, tramite l'endpoint/api/pushcarica su un registry sotto il proprio controllo un modello contenente i dati trapelati

Versioni interessate

Versioni interessate: Ollama < 0.17.1

Versione sicura: Ollama 0.17.1 o successive

Condizioni dell'attacco

Il server è configurato con OLLAMA_HOST=0.0.0.0(esposto alla rete pubblica)
L'attaccante può accedere all'endpoint/api/createe/api/pushall'altro endpoint
Sul server è in esecuzione il servizio Ollama

Danni potenziali

Esposizione delle configurazioni sensibili presenti nelle variabili d'ambiente
Furto di chiavi API e token di accesso
Acquisizione di prompt di sistema e configurazioni dei modelli
Lettura dei dati di conversazione di altri utenti
Possibilità di attacchi alla supply chain

Consigli di remediazione

Azioni immediate

Aggiornare Ollama: passare immediatamente a Ollama 0.17.1 o versione successiva
Limitare l'accesso: impostareOLLAMA_HOSTsu127.0.0.1, evitando l'esposizione alla rete pubblica
Aggiungere l'autenticazione: configurare un meccanismo di autenticazione per l'accesso alle API
Isolamento di rete: limitare l'accesso alla porta di Ollama tramite firewall

Protezione a lungo termine

Aggiornare regolarmente Ollama all'ultima versione stabile
Applicare il principio del privilegio minimo
Abilitare i log di accesso e il monitoraggio della sicurezza
Eseguire audit di sicurezza periodici

Misure di protezione

Consigli per le aziende

Valutare il rischio: verificare se internamente sono in uso versioni di Ollama interessate
Aggiornare i sistemi: procedere subito all'aggiornamento dopo la verifica in un ambiente di test
Hardening della sicurezza: implementare isolamento di rete e controlli di accesso
Monitoraggio e allerte: istituire meccanismi di monitoraggio degli eventi di sicurezza e di risposta tempestiva

Consigli per gli sviluppatori

Non esporre gli endpoint API di Ollama nell'ambiente di produzione
Usare un reverse proxy per aggiungere un ulteriore livello di sicurezza
Rivedere e aggiornare periodicamente i componenti delle dipendenze
Seguire le best practice di programmazione sicura

Link di riferimento

Conclusioni

La divulgazione di questa vulnerabilità ci ricorda ancora una volta quanto sia cruciale la sicurezza delle piattaforme open source per grandi modelli. Si consiglia ad aziende e sviluppatori di agire immediatamente, aggiornando alla versione sicura e mettendo in atto tutte le misure di protezione della sicurezza.

Nella sicurezza non esistono questioni minori: meglio prevenire che curare!

Approfondimenti correlati

Per altre notizie sulla sicurezza dell'AI, seguite gli aggiornamenti del nostro account ufficiale.