Vulnérabilité dans scikit-learn (CVE-2024-5206)

Résumé

vulnérabilité dans scikit-learn (CVE-2024-5206). Des informations confidentielles peuvent être exposées. Exploitable via ``stop_words_``. Atténuation : mise à jour vers `70ca21f106b603b611da73012c9ade7cd8e438b8, 1.5.0` ou plus.

Résumé IA snake-internal / snake-material-v2

Une vulnérabilité référencée **CVE-2024-5206** a été découverte dans scikit-learn. Des attaquants peuvent cibler un point d'entrée spécifique comme ``stop_words_`` à distance pour détourner le produit. Des informations confidentielles peuvent être exposées. Score CVSS : ?/10. Action : mettez à jour scikit-learn vers **70ca21f106b603b611da73012c9ade7cd8e438b8, 1.5.0** ou supérieur. En cas de doute, contactez votre service informatique ou cherchez « scikit-learn CVE-2024-5206 » sur le site de l'éditeur.

CVE-2024-5206 (scikit-learn) — Vecteur d'attaque : local / sans interaction utilisateur Surface d'attaque : `stop_words_` Correctif : `70ca21f106b603b611da73012c9ade7cd8e438b8, 1.5.0` — 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 scikit-learn. Les attaquants atteignent le code vulnérable via ``stop_words_`` sans authentification.

📍 Périmètre concerné

scikit-learn — . Surface d'attaque : `stop_words_`.

🔥 Gravité

Gravité : ?. Des informations confidentielles peuvent être exposées

🔧 Comment corriger

Mettre à jour vers **70ca21f106b603b611da73012c9ade7cd8e438b8, 1.5.0**.

🛡️ 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 'scikit-learn' . | 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 `scikit-learn` 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 scikit-learn to 70ca21f106b603b611da73012c9ade7cd8e438b8, 1.5.0
```
ステージング環境で 70ca21f106b603b611da73012c9ade7cd8e438b8, 1.5.0 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 scikit-learn

[{"repo":"https:\/\/github.com\/scikit-learn\/scikit-learn","type":"GIT","events":[{"introduced":"0"},{"fixed":"70ca21f106b603b611da73012c9ade7cd8e438b8"}]},{"type":"ECOSYSTEM","events":[{"introduced":"0"},{"fixed":"1.5.0"}]}]