Mittel

vLLM is an inference and serving engine for large language models. From 0.19.0 until 0.32.0, authenticated callers can supply a request chat template when no server-side --chat-template is configured,

  • Veröffentlicht: 26.10.2026
  • Aktualisiert: 29.10.2026 12:17

vLLM is an inference and serving engine for large language models. From 0.19.0 until 0.32.0, authenticated callers can supply a request chat template when no server-side --chat-template is configured, or a malicious model repository can provide a template that is compiled and rendered by tokenizer.apply_chat_template() without a wall-clock timeout, output-size limit, or iteration bound. Rendering runs in a ThreadPoolExecutor with one worker by default, so a nonterminating render can block /v1/responses and other chat-template users after the request ends, while an output-expanding render can exhaust server memory. Harmony models are not affected because they do not use this Jinja path. This issue is fixed in version 0.32.0.

Betroffene Software

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

PlattformPaketAnfällige VersionenBehoben in
Python (PyPI) vllm >= 0.19.0, < 0.32.0 0.32.0

Verweise

CVSS-Wert 6.5/10
CVSS-Vektor
CVSS:3.1/AV:N/AC:L/PR:L/UI:N/S:U/C:N/I:N/A:H
Schwäche (CWE)
CWE-400, CWE-770, CWE-834
Plattform
Python (PyPI)
Paket
vllm
Veröffentlicht
26.10.2026
Aktualisiert
29.10.2026 12:17

Quellen und Lizenzen

OSV / GitHub Advisory Database - GHSA-542m-9234-8gvf - CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2026-4344 - PyPA Advisory Database; CC BY 4.0

Schwachstellenhistorie: vllm

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 (107) im Archiv
Einträge insgesamt
107
Erste → letzte
09.2024 10.2026
Ohne Fix
5
In Angriffen ausgenutzt
0

Verteilung nach Schweregrad

  • Kritisch 10
  • Hoch 25
  • Mittel 55
  • Niedrig 4
  • Nicht bewertet 13

Veröffentlichungen pro Jahr

  1. 2024: 2
  2. 2025: 30
  3. 2026: 75
Schweregrad:
  1. Kritisch · 9.8 CVE-2026-115915 >= 0.30.0, < 0.32.0 0.32.0
  2. vLLM is an inference and serving engine for large language models. From 0.19.0 until 0.32.0, authenticated callers can supply a request chat template when no server-side --chat-template is configured, dieser Eintrag
    Mittel · 6.5 CVE-2026-115911 >= 0.19.0, < 0.32.0 0.32.0
  3. Hoch · 7.5 CVE-2026-54234 >= 0.17.1, < 0.24.0 0.24.0
  4. Hoch CVE-2026-55514 >= 0.12.0, < 0.24.0 0.24.0
  5. Kritisch · 9.1 CVE-2026-48746 >= 0.3.0, < 0.22.0 0.22.0
  6. Kritisch · 9.8 CVE-2026-22778 >= 0.8.3, < 0.14.1 0.14.1
  7. Hoch · 8.8 CVE-2026-22807 >= 0.10.1, < 0.14.0 0.14.0
  8. Hoch · 8.8 CVE-2026-56340 >= 0.10.2, < 0.13.0 0.13.0
  9. Hoch · 6.5 CVE-2025-62372 >= 0.5.5, < 0.11.1 0.11.1
Mehr anzeigen (16) 20 von 36 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.

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