Zaloguj się
Deutsch English Español Polski
Niska

Null pointer dereference via invalid Ragged Tensors

  • Ujawniono: 14.05.2021
  • Aktualizacja: 11.10.2026 13:19

Impact

Calling tf.raw_ops.RaggedTensorToVariant with arguments specifying an invalid ragged tensor results in a null pointer dereference:

python
import tensorflow as tf

input_tensor = tf.constant([], shape=[0, 0, 0, 0, 0], dtype=tf.float32)
filter_tensor = tf.constant([], shape=[0, 0, 0, 0, 0], dtype=tf.float32)

tf.raw_ops.Conv3D(input=input_tensor, filter=filter_tensor, strides=[1, 56, 56, 56, 1], padding='VALID', data_format='NDHWC', dilations=[1, 1, 1, 23, 1])
python
import tensorflow as tf

input_tensor = tf.constant([], shape=[2, 2, 2, 2, 0], dtype=tf.float32)
filter_tensor = tf.constant([], shape=[0, 0, 2, 6, 2], dtype=tf.float32)

tf.raw_ops.Conv3D(input=input_tensor, filter=filter_tensor, strides=[1, 56, 39, 34, 1], padding='VALID', data_format='NDHWC', dilations=[1, 1, 1, 1, 1])

The implementation of RaggedTensorToVariant operations does not validate that the ragged tensor argument is non-empty:

cc
  int ragged_rank = batched_ragged.ragged_rank();
  auto batched_splits_top_vec = batched_ragged.splits(0).vec<SPLIT_TYPE>();

Since batched_ragged contains no elements, batched_ragged.splits is a null vector, thus batched_ragged.splits(0) will result in dereferencing nullptr.

Patches

We have patched the issue in GitHub commit b055b9c474cd376259dde8779908f9eeaf097d93.

The fix will be included in TensorFlow 2.5.0. We will also cherrypick this commit on TensorFlow 2.4.2, TensorFlow 2.3.3, TensorFlow 2.2.3 and TensorFlow 2.1.4, as these are also affected and still in supported range.

For more information

Please consult our security guide for more information regarding the security model and how to contact us with issues and questions.

Attribution

This vulnerability has been reported by Yakun Zhang and Ying Wang of Baidu X-Team.

Czego dotyczy

Kliknij technologię, aby zobaczyć wszystkie dotyczące jej podatności.

PlatformaPaczkaPodatne wersjePoprawka w wersji
Python (PyPI) tensorflow < 2.1.4, >= 2.2.0, < 2.2.3, >= 2.3.0, < 2.3.3, >= 2.4.0, < 2.4.2 2.1.4, 2.2.3, 2.3.3, 2.4.2
Python (PyPI) tensorflow-cpu < 2.1.4, >= 2.2.0, < 2.2.3, >= 2.3.0, < 2.3.3, >= 2.4.0, < 2.4.2 2.1.4, 2.2.3, 2.3.3, 2.4.2
Python (PyPI) tensorflow-gpu < 2.1.4, >= 2.2.0, < 2.2.3, >= 2.3.0, < 2.3.3, >= 2.4.0, < 2.4.2 2.1.4, 2.2.3, 2.3.3, 2.4.2

Odnośniki

Ocena CVSS 2.5/10
Wektor CVSS
CVSS:3.1/AV:L/AC:H/PR:L/UI:N/S:U/C:N/I:N/A:L
Słabość (CWE)
CWE-476
Platforma
Python (PyPI)
Paczka
tensorflow, tensorflow-cpu, tensorflow-gpu
Ujawniono
14.05.2021
Aktualizacja
11.10.2026 13:19

Źródła i licencje

OSV / GitHub Advisory Database - PYSEC-2021-153 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2021-444 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2021-642 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - GHSA-84mw-34w6-2q43 - CC BY 4.0

Historia podatności: tensorflow

Wszystkie opisane podatności tej paczki (Python (PyPI)), od najnowszej. Widać, czy to jednorazowa wpadka, czy paczka, której trzeba pilnować.

Wszystkie (433) w archiwum
Wszystkich wpisów
433
Pierwsza → ostatnia
04.2019 07.2024
Bez poprawki
0
Wykorzystywana w atakach
0

Rozkład istotności

  • Krytyczna 6
  • Wysoka 112
  • Średnia 210
  • Niska 105

Ujawnienia w latach

Istotność:
  1. Null pointer dereference via invalid Ragged Tensors ten wpis
    Niska · 2.5 CVE-2021-29516 < 2.1.4, >= 2.2.0, < 2.2.3, >= 2.3.0, < 2.3.3, >= 2.4.0, < 2.4.2 2.1.4, 2.2.3, 2.3.3, 2.4.2
  2. TensorFlow has segfault in array_ops.upper_bound
    Wysoka · 7.5 CVE-2023-33976 < 2.12.1 2.12.1
  3. TensorFlow vulnerable to Out-of-Bounds Read in DynamicStitch
    Wysoka · 7.5 CVE-2023-25659 < 2.11.1 2.11.1
  4. TensorFlow vulnerable to seg fault in `tf.raw_ops.Print`
    Wysoka · 7.5 CVE-2023-25660 < 2.11.1 2.11.1
  5. TensorFlow vulnerable to integer overflow in EditDistance
    Wysoka · 7.5 CVE-2023-25662 < 2.11.1 2.11.1
  6. TensorFlow has Null Pointer Error in TensorArrayConcatV2
    Wysoka · 7.5 CVE-2023-25663 < 2.11.1 2.11.1
  7. TensorFlow has Heap-buffer-overflow in AvgPoolGrad
    Wysoka · 7.5 CVE-2023-25664 < 2.11.1 2.11.1
  8. TensorFlow has Null Pointer Error in SparseSparseMaximum
    Wysoka · 7.5 CVE-2023-25665 < 2.11.1 2.11.1
  9. TensorFlow has Floating Point Exception in AudioSpectrogram
    Wysoka · 7.5 CVE-2023-25666 < 2.11.1 2.11.1
  10. TensorFlow has a heap out-of-buffer read vulnerability in the QuantizeAndDequantize operation
    Krytyczna · 9.8 CVE-2023-25668 < 2.11.1 2.11.1
  11. TensorFlow has Floating Point Exception in AvgPoolGrad with XLA
    Wysoka · 7.5 CVE-2023-25669 < 2.11.1 2.11.1
  12. TensorFlow has Null Pointer Error in QuantizedMatMulWithBiasAndDequantize
    Wysoka · 7.5 CVE-2023-25670 < 2.11.1 2.11.1
  13. TensorFlow has segmentation fault in tfg-translate
    Wysoka · 7.5 CVE-2023-25671 < 2.11.1 2.11.1
  14. TensorFlow has Null Pointer Error in LookupTableImportV2
    Wysoka · 7.5 CVE-2023-25672 < 2.11.1 2.11.1
  15. TensorFlow has Floating Point Exception in TensorListSplit with XLA
    Wysoka · 7.5 CVE-2023-25673 < 2.11.1 2.11.1
  16. TensorFlow has Null Pointer Error in RandomShuffle with XLA enable
    Wysoka · 7.5 CVE-2023-25674 < 2.11.1 2.11.1
  17. TensorFlow has Segfault in Bincount with XLA
    Wysoka · 7.5 CVE-2023-25675 < 2.11.1 2.11.1
  18. TensorFlow has null dereference on ParallelConcat with XLA
    Wysoka · 7.5 CVE-2023-25676 < 2.11.1 2.11.1
  19. TensorFlow has double free in Fractional(Max/Avg)Pool
    Wysoka · 8.0 CVE-2023-25801 < 2.11.1 2.11.1
  20. TensorFlow has Floating Point Exception in TFLite in conv kernel
    Wysoka · 7.5 CVE-2023-27579 < 2.11.1 2.11.1
  21. TensorFlow vulnerable to Out-of-Bounds Read in GRUBlockCellGrad
    Wysoka · 7.5 CVE-2023-25658 < 2.11.1 2.11.1
  22. Out of bounds write in grappler in Tensorflow
    Wysoka · 7.1 CVE-2022-41902 < 2.8.4, >= 2.9.0, < 2.9.3, >= 2.10.0, < 2.10.1 2.8.4, 2.9.3, 2.10.1
  23. FractionalMaxPool and FractionalAVGPool heap out-of-bounds acess
    Wysoka · 7.1 CVE-2022-41900 < 2.8.4, >= 2.9.0, < 2.9.3, >= 2.10.0, < 2.10.1 2.8.4, 2.9.3, 2.10.1
  24. Buffer overflow in `CONV_3D_TRANSPOSE` on TFLite
    Wysoka · 7.1 CVE-2022-41894 < 2.8.4, >= 2.9.0, < 2.9.3, >= 2.10.0, < 2.10.1 2.8.4, 2.9.3, 2.10.1
  25. TensorFlow vulnerable to OOB write in `scatter_nd` in TF Lite
    Wysoka · 7.0 CVE-2022-35939 < 2.7.2, >= 2.8.0, < 2.8.1, >= 2.9.0, < 2.9.1 2.7.2, 2.8.1, 2.9.1
  26. TensorFlow vulnerable to OOB read in `Gather_nd` in TF Lite
    Wysoka · 7.0 CVE-2022-35937 < 2.7.2, >= 2.8.0, < 2.8.1, >= 2.9.0, < 2.9.1 2.7.2, 2.8.1, 2.9.1
  27. Code injection in `saved_model_cli` in TensorFlow
    Wysoka · 7.8 CVE-2022-29216 < 2.6.4, >= 2.7.0, < 2.7.2, >= 2.8.0, < 2.8.1 2.6.4, 2.7.2, 2.8.1
  28. Segfault and OOB write due to incomplete validation in `EditDistance` in TensorFlow
    Wysoka · 7.1 CVE-2022-29208 < 2.6.4, >= 2.7.0, < 2.7.2, >= 2.8.0, < 2.8.1 2.6.4, 2.7.2, 2.8.1
  29. NULL Pointer Dereference and Access of Uninitialized Pointer in TensorFlow
    Krytyczna · 9.3 ghsa-h6gw-r52c-724r < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  30. Improper Validation of Integrity Check Value in TensorFlow
    Wysoka · 7.0 ghsa-43q8-3fv7-pr5x < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  31. Out of bounds read in Tensorflow
    Wysoka · 8.8 CVE-2022-23594 >= 2.7.0, < 2.7.1 2.7.1
  32. Read and Write outside of bounds in TensorFlow
    Wysoka · 8.8 CVE-2022-23560 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  33. Insecure temporary file in Tensorflow
    Wysoka · 7.1 CVE-2022-23563 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  34. Out of bounds read in Tensorflow
    Wysoka · 8.1 CVE-2022-23592 >= 2.8.0-rc0, < 2.8.0 2.8.0
  35. Stack overflow in TensorFlow
    Wysoka · 7.5 CVE-2022-23591 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  36. Out of bounds read and write in Tensorflow
    Wysoka · 8.8 CVE-2022-23574 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  37. Uninitialized variable access in Tensorflow
    Wysoka · 7.6 CVE-2022-23573 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  38. Integer overflow in Tensorflow
    Wysoka · 7.6 CVE-2022-23562 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  39. Out of bounds write in TFLite
    Wysoka · 8.8 CVE-2022-23561 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  40. Integer overflow in TFLite
    Wysoka · 8.8 CVE-2022-23559 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
  41. Out of bounds write in Tensorflow
    Wysoka · 8.8 CVE-2022-23566 < 2.5.3, >= 2.6.0, < 2.6.3, >= 2.7.0, < 2.7.1 2.5.3, 2.6.3, 2.7.1
Pokaż więcej (20) Widać 41 z 119

Dowiedz się, które podatności dotyczą Twojej aplikacji

Po podłączeniu integracji DockRay i włączeniu raportowania oprogramowania DockRay porównuje zgłoszone wersje komponentów ze znanymi podatnościami i powiadamia o potwierdzonych dopasowaniach. Zakres zależy od obsługiwanej technologii i dostępnych biuletynów.

Podłącz swoją aplikację
Newsletter DockRay

Bezpieczeństwo aplikacji w Twojej skrzynce

Najważniejsze podatności, konkretne zalecenia i praktyczne wskazówki dla Twoich aplikacji. Wybierz technologie i śledź to, co ma znaczenie dla Twojego projektu.

  • Codzienne zestawienie nowych podatności, także krytycznych.
  • Powiadomienia o ważnych aktualizacjach.
  • Praktyczne porady o bezpieczeństwie i monitoringu aplikacji.

Pozostaw puste, aby otrzymywać informacje o wszystkich technologiach.

Polityka prywatności

Zapis jest bezpłatny. Wypiszesz się jednym kliknięciem w wiadomości.