Vulnérabilité dans mlflow (CVE-2024-0520)

Résumé

vulnérabilité dans mlflow (CVE-2024-0520). L'exploitation peut entraîner la prise de contrôle totale du système. Exploitable via ``mlflow.data.http_dataset_source.py``. Atténuation : mise à jour vers `400c226953b4568f4361bc0a0c223511652c2b9d, 2.9.0` ou plus.

Résumé IA snake-internal / snake-material-v2

Une vulnérabilité référencée **CVE-2024-0520** a été découverte dans mlflow. Des attaquants peuvent cibler un point d'entrée spécifique comme ``mlflow.data.http_dataset_source.py`` à distance pour détourner le produit. L'exploitation peut entraîner la prise de contrôle totale du système. Score CVSS : ?/10. Action : mettez à jour mlflow vers **400c226953b4568f4361bc0a0c223511652c2b9d, 2.9.0** ou supérieur. En cas de doute, contactez votre service informatique ou cherchez « mlflow CVE-2024-0520 » sur le site de l'éditeur.

CVE-2024-0520 (mlflow) — Vecteur d'attaque : distant (réseau) / non authentifié Surface d'attaque : `mlflow.data.http_dataset_source.py` Correctif : `400c226953b4568f4361bc0a0c223511652c2b9d, 2.9.0` — appliquer immédiatement Plan : 1) Audit SBOM, 2) Mise à jour staging→prod, 3) Surveillance WAF/proxy sur les endpoints affectés, 4) Recherche d'IOC dans les logs. Réfs : voir GHSA / avis éditeur / version corrigée liés sur cette page.

❓ Quel est le problème

Une **vulnérabilité** (non classée) affecte mlflow. Les attaquants atteignent le code vulnérable via ``mlflow.data.http_dataset_source.py`` sans authentification.

📍 Périmètre concerné

mlflow — . Surface d'attaque : `mlflow.data.http_dataset_source.py`.

🔥 Gravité

Gravité : ?. L'exploitation peut entraîner la prise de contrôle totale du système

🔧 Comment corriger

Mettre à jour vers **400c226953b4568f4361bc0a0c223511652c2b9d, 2.9.0**.

🛡️ Contournement

En attendant le correctif : désactivez la fonctionnalité concernée, appliquez des règles WAF, ou restreignez l'accès par ACL réseau.

🔍 Détection

Recherchez dans les logs des requêtes correspondant aux IOC connus de cette CVE. Auditez les SBOM/dépendances.

Actions de réponse (7 étapes)

Étapes concrètes et exemples de commandes que les équipes SOC/SRE doivent exécuter dans l'ordre

1
Identify exposure identify
```
grep -r 'mlflow' . | grep -v node_modules
```
リポジトリと本番環境の依存ファイル (package-lock.json / requirements.txt / go.sum / Gemfile.lock 等) で `mlflow` を grep し、稼働しているサービス・バージョンを把握する。
6
Apply patch patch
```
Upgrade mlflow to 400c226953b4568f4361bc0a0c223511652c2b9d, 2.9.0
```
ステージング環境で 400c226953b4568f4361bc0a0c223511652c2b9d, 2.9.0 に上げて回帰テスト → 本番反映。回帰テストはアプリの主要ハッピーパスと、Step 3 で見つけた異常検知の続報チェックを含めること。
7
Post-deployment verification verify
```
Confirm patched version is live in production
```
パッチ適用後、ステージングで PoC または同等の悪用パターンを再現して脆弱性が閉じたことを確認。本番では Step 3 と同じログクエリでアラート再発が無いか継続監視。

Paquets affectés

PyPI mlflow

[{"repo":"https:\/\/github.com\/mlflow\/mlflow","type":"GIT","events":[{"introduced":"0"},{"fixed":"400c226953b4568f4361bc0a0c223511652c2b9d"},{"fixed":"400c226953b4568f4361bc0a0c223511652c2b9d"}]},{"type":"ECOSYSTEM","events":[{"introduced":"0"},{"fixed":"2.9.0"}]}]