Anmelden
Deutsch English Español Polski
Mittel

Undefined Behavior in mlflow

  • Veröffentlicht: 06.06.2024
  • Aktualisiert: 11.10.2026 13:18

A vulnerability in mlflow/mlflow version 2.11.1 allows attackers to create multiple models with the same name by exploiting URL encoding. This flaw can lead to Denial of Service (DoS) as an authenticated user might not be able to use the intended model, as it will open a different model each time. Additionally, an attacker can exploit this vulnerability to perform data model poisoning by creating a model with the same name, potentially causing an authenticated user to become a victim by using the poisoned model. The issue stems from inadequate validation of model names, allowing for the creation of models with URL-encoded names that are treated as distinct from their URL-decoded counterparts.

Betroffene Software

Klicken Sie auf eine Technologie, um alle zugehörigen Schwachstellen anzuzeigen.

PlattformPaketAnfällige VersionenBehoben in
Python (PyPI) mlflow < 2.11.3 2.11.3

Verweise

CVSS-Wert 5.4/10
CVSS-Vektor
CVSS:3.1/AV:N/AC:L/PR:L/UI:N/S:U/C:N/I:L/A:L
Schwäche (CWE)
CWE-475
Plattform
Python (PyPI)
Paket
mlflow
Veröffentlicht
06.06.2024
Aktualisiert
11.10.2026 13:18

Quellen und Lizenzen

OSV / GitHub Advisory Database - GHSA-8f8q-q2j7-7j2m - CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2026-1645 - PyPA Advisory Database; CC BY 4.0

Schwachstellenhistorie: mlflow

Alle veröffentlichten Schwachstellen dieses Pakets (Python (PyPI)), neueste zuerst. Zeigt, ob es ein einmaliger Ausrutscher ist oder ein Paket, das man im Auge behalten muss.

Alle (82) im Archiv
Einträge insgesamt
82
Erste → letzte
02.2022 09.2026
Ohne Fix
18
In Angriffen ausgenutzt
1

Verteilung nach Schweregrad

  • Kritisch 20
  • Hoch 48
  • Mittel 13
  • Niedrig 1

Veröffentlichungen pro Jahr

Schweregrad:
  1. Undefined Behavior in mlflow dieser Eintrag
    Mittel · 5.4 CVE-2024-3099 < 2.11.3 2.11.3
  2. MLFLOW_ALLOW_PICKLE_DESERIALIZATION=False safety control bypassed by mlflow.statsmodels flavor — RCE via crafted model artifact
    Hoch · 8.8 ghsa-gqvg-gmmx-x4hm >= 2.1.0, < 3.15.0 3.15.0
  3. MLflow: Unauthenticated full-read SSRF in webhook delivery: _validate_webhook_url bypassed via unvalidated HTTP redirects (and DNS rebinding)
    Kritisch · 9.3 In Angriffen ausgenutzt CVE-2026-64849 >= 3.3.0, < 3.15.0 3.15.0
  4. MLflow AI Gateway permits SSRF through an unvalidated api_base
    Hoch · 7.1 CVE-2026-71211 >= 3.13.0, <= 3.15.2 keine Korrektur
  5. MLflow: trace API endpoints lack proper authorization validators
    Hoch · 8.1 CVE-2026-8147 >= 2.14.0rc0, < 3.13.0rc0 3.13.0rc0
  6. A vulnerability in mlflow/mlflow versions prior to 3.11.0 allows for the resolution of environment variables in AI Gateway secrets, which can be exploited to exfiltrate sensitive server-side environme
    Hoch · 7.7 CVE-2026-4035 < 3.11.0 3.11.0
  7. MLflow allows unauthorized access to multipart upload endpoints when the `--serve-artifacts` mode is enabled
    Kritisch · 9.0 CVE-2026-2651 < 3.10.0 3.10.0
  8. MLflow: Improper Origin Validation in MLflow Assistant /ajax-api Endpoints Enables Browser-Mediated Local Command Execution
    Kritisch · 9.6 CVE-2026-2611 >= 3.9.0, < 3.10.0 3.10.0
  9. MLFlow Creates a Temporary File With Insecure Permissions
    Hoch · 7.0 CVE-2026-4137 >= 1.26.0, < 3.11.0 3.11.0
  10. A vulnerability in mlflow/mlflow versions 3.9.0 and earlier allows unauthenticated access to certain FastAPI routes when the server is started with authentication enabled (`--app-name basic-auth`) and
    Hoch · 8.6 CVE-2026-2652 < 3.10.0 3.10.0
  11. MLflow allows an unauthenticated remote attacker to read arbitrary files from the server's filesystem
    Hoch · 7.5 CVE-2026-2614 < 3.10.0 3.10.0
  12. A Server-Side Request Forgery (SSRF) vulnerability exists in MLflow versions prior to 3.9.0. The `_create_webhook()` function in `mlflow/server/handlers.py` accepts a user-controlled `url` parameter w
    Hoch · 7.1 CVE-2026-2393 < 3.9.0 3.9.0
  13. mlflow: FastAPI job endpoints under `/ajax-api/3.0/jobs/*` are not protected by authentication or authorization
    Kritisch · 9.1 CVE-2026-0545 <= 3.10.1 keine Korrektur
  14. Mlflow: Command Injection when serving models with enable_mlserver=True
    Kritisch · 9.6 CVE-2026-0596 < 3.9.0 3.9.0
  15. MLflow Command Injection vulnerability
    Kritisch · 10.0 CVE-2025-15379 < 3.8.1 3.8.1
  16. MLFlow path traversal vulnerability
    Kritisch · 9.6 CVE-2025-15036 < 3.9.0rc0 3.9.0rc0
  17. MLFlow allows Tracing + Assessments Access
    Hoch · 8.1 CVE-2025-15381 <= 3.8.1 keine Korrektur
  18. Arbitrary file write via tar traversal in mlflow
    Hoch · 8.1 CVE-2025-15031 < 3.9.0rc0 3.9.0rc0
  19. MLflow has a command injection in mlflow/sagemaker/__init__.py
    Hoch · 7.5 CVE-2025-14287 < 3.8.0rc0 3.8.0rc0
  20. MLflow Tracking Server Artifact Handler Directory Traversal Remote Code Execution Vulnerability
    Hoch · 8.1 CVE-2026-2033 < 3.8.0rc0 3.8.0rc0
  21. MLflow Use of Default Password Authentication Bypass Vulnerability
    Kritisch · 9.8 CVE-2026-2635 < 3.8.0rc0 3.8.0rc0
Mehr anzeigen (20) 21 von 69 angezeigt

Erkennen Sie Schwachstellen in Ihrer Anwendung

Mit der DockRay-Integration und aktivierter Softwareinventarisierung prüft DockRay gemeldete Komponentenversionen auf bekannte Schwachstellen und benachrichtigt Sie über bestätigte Treffer. Die Abdeckung hängt von der unterstützten Technologie und den verfügbaren Meldungen ab.

Anwendung verbinden
DockRay Newsletter

Anwendungssicherheit in Ihrem Postfach

Wichtige Schwachstellen, konkrete Empfehlungen und praktische Tipps für Ihre Anwendungen. Wählen Sie Ihre Technologien und verfolgen Sie, was für Ihr Projekt relevant ist.

  • Eine tägliche Zusammenfassung neuer Schwachstellen, auch kritischer.
  • Benachrichtigungen über wichtige Updates.
  • Praktische Tipps zur Sicherheit und Überwachung von Anwendungen.

Leer lassen, um Meldungen zu allen Technologien zu erhalten.

Datenschutzerklärung

Kostenlos anmelden. In jeder E-Mail mit einem Klick abmelden.