Un error crítico en el marco de pruebas de IA MLflow puede comprometer el servidor y los datos

MLflow, un marco de código abierto utilizado por muchas organizaciones para administrar sus pruebas de aprendizaje automático y registrar los resultados, recibió un parche para una vulnerabilidad crítica que podría permitir a los atacantes extraer información confidencial de servidores como claves de extracción SSH y credenciales de AWS. Los ataques se pueden llevar a cabo de forma remota sin autenticación porque MLflow no implementa la autenticación de forma predeterminada y un número cada vez mayor de implementaciones de MLflow están expuestas directamente a Internet.

«Básicamente, cualquier organización que utilice esta herramienta corre el riesgo de perder sus modelos de IA, comprometer un servidor interno y comprometer su cuenta de AWS», dijo a CSO Dan McInerney, ingeniero de seguridad sénior en la startup de ciberseguridad Protect AI. «Es bastante brutal».

McInerney encontró la vulnerabilidad y lo informó en privado al proyecto MLflow. ha sido arreglado en la versión 2.2.1 del marco lanzado hace tres semanas, pero no se menciona ninguna solución de seguridad en las notas de la versión.

Montaje de archivos local y remoto a través de la ruta transversal

Escrito en Python, MLflow está diseñado para automatizar los flujos de trabajo de aprendizaje automático. Tiene varios componentes que permiten a los usuarios implementar modelos de diferentes bibliotecas de ML. administrar su ciclo de vida, incluido el control de versiones del modelo, las transiciones de fase y las anotaciones; Seguir experimentos para registrar y comparar parámetros y resultados; e incluso empaquetar código ML en una forma reproducible para compartir con otros científicos de datos. MLflow se puede controlar a través de una API REST y una interfaz de línea de comandos.

Todas estas capacidades hacen que el marco sea una herramienta valiosa para cualquier organización que experimente con el aprendizaje automático. Los escaneos con el motor de búsqueda de Shodan lo confirman y muestran un aumento constante en las instancias de MLflow de acceso público durante los últimos dos años, con un número actual que supera las 800. Sin embargo, se puede suponer que existen muchas más implementaciones de MLflow en redes internas y podrían ser accesibles para los atacantes que obtienen acceso a estas redes.

“Nos pusimos en contacto con nuestros contactos en varias empresas de Fortune 500 [and] Todos confirmaron que usan MLflow internamente para su flujo de trabajo de ingeniería de IA”, dice McInerney a CSO.