Kexinoh

يسمح ثغرة في `PdfParser` للمهاجم بتقديم ملف PDF ضار يتسبب في توقف العملية إلى أجل غير مسمى، مما يستهلك 100% من موارد وحدة المعالجة المركزية (CPU) ويجعل التطبيق لا يستجيب. يحدث هذا لأن المحلل يتبع مؤشرات «Prev» في ذيول ملفات PDF لقراءة أقسام الإحالات المرجعية؛ فإذا أشار أحد المؤشرات إلى إزاحة تمت معالجتها بالفعل، إما بالإشارة إلى نفسه أو بتشكيل حلقة، يدخل المحلل في حلقة لا نهائية.

اسم البرنامج المعرض للخطر والإصدارات المتأثرة إصدارات vLLM من 0.5.5 إلى 0.17.999 الوصف يُظهر vLLM، وهو محرك استدلال وتقديم خدمة لنماذج اللغة الكبيرة (LLMs)، تباينًا في معالجة الصوت. تستخدم الإصدارات من 0.5.5 إلى 0.17.999 دالة numpy.mean لإجراء عملية خلط الصوت الأحادي عبر Librosa، مما يخالف معيار الخلط المرجح ITU-R BS.775-4. يؤدي هذا التباين إلى اختلافات في إدراك الصوت بين المستمعين البشريين ونماذج الذكاء الاصطناعي التي تعالج الصوت باستخدام Librosa. التوصيات التحديث إلى الإصدار 0.18.0 أو أحدث.

تقوم ميزة «Agentic Assistant» في Langflow، في الإصدارات السابقة للإصدار 1.9.0، بتنفيذ كود Python الذي تم إنشاؤه بواسطة نموذج اللغة الكبير (LLM) أثناء عملية التحقق من الصحة. ويسمح هذا التنفيذ بتنفيذ تعليمات Python تعسفية من جانب الخادم إذا تمكن المهاجم من الوصول إلى ميزة «Agentic Assistant» والتأثير على مخرجات النموذج. يتضمن مسار الكود المعرض للخطر معالجة مخرجات النموذج عبر سلسلة تستدعي في النهاية `create class()`، والتي تنفذ كود Python ديناميكيًا باستخدام `exec()`. تشمل نقاط النهاية المتأثرة `/api/v1/login`، وتعتمد ميزة المساعد على مصادقة المستخدم عبر رمز حامل (bearer token) أو ملف تعريف ارتباط (cookie) أو مفتاح API. قد تؤدي إعدادات النشر الافتراضية، مثل `AUTO LOGIN=true` ونقطة النهاية `/api/v1/auto login`، إلى توسيع نطاق التعرض للخطر. هذه المشكلة هي ثغرة أمنية تتعلق بتنفيذ التعليمات البرمجية بعد المصادقة، وتختلف شدتها حسب نموذج النشر.

يحتوي البرنامج على حالة تنافس في عمليات `updateRegistry` و`removeRegistryEntry` المتزامنة لحاويات الصندوق الرملي والمتصفحات. يحدث هذا بسبب عمليات القراءة والتعديل والكتابة غير المتزامنة دون قفل، مما قد يؤدي إلى فقدان البيانات أو إعادة ظهور الإدخالات التي تمت إزالتها أو تلف حالة الصندوق الرملي. قد يؤثر هذا على عمليات `sandbox list` و`sandbox prune` و`sandbox recreate --all`. كانت عمليات الكتابة في السجل تتم وفقًا لنمط «قراءة-تعديل-كتابة» في نافذة خالية من القفل مع تحليل احتياطي متساهل، مما سمح لتحديثات السجل المتزامنة بإنتاج لقطات قديمة والكتابة فوق بعضها البعض، مما أدى إلى عدم تزامن حالة الصندوق الرملي.

OpenClaw هو مساعد شخصي يعمل بالذكاء الاصطناعي. قبل الإصدار 2026.2.15، كانت الدالة `normalizeForHash` الموجودة في `src/agents/sandbox/config-hash.ts` تقوم بفرز المصفوفات التي تحتوي على قيم أولية فقط بشكل متكرر. وكان ذلك يؤدي إلى أن المصفوفات الخاصة بتكوين منطقة الحماية (sandbox) الحساسة للترتيب تولد نفس قيمة التجزئة حتى عند تغيير الترتيب. في تدفقات الصندوق الرملي في OpenClaw، كان هذا التجزئة يحدد ما إذا كان سيتم إعادة إنشاء حاويات الصندوق الرملي الموجودة أم لا. ونتيجة لذلك، قد تُعتبر التغييرات في ترتيب المصفوفات في التكوين (على سبيل المثال، ترتيب مصفوفتي `dns` و`binds` في Docker) غير متغيرة، مما يؤدي إلى إعادة استخدام حاويات قد تكون قديمة. ويمثل هذا مشكلة تتعلق بسلامة التكوين تؤثر على سلوك إعادة إنشاء الصندوق الرملي. بدءًا من الإصدار 2026.2.15، يتم الحفاظ على ترتيب المصفوفات أثناء تطبيع التجزئة، حيث يتم تطبيع ترتيب مفاتيح الكائنات فقط لضمان تجزئة حتمية.

يستخدم البرنامج خوارزمية SHA-1 لتوليد تجزئات لمفاتيح ذاكرة التخزين المؤقت لمعرفات بيئة الحماية (sandbox) في إعدادات بيئة الحماية الخاصة بـ Docker والمتصفح. يُعد SHA-1 دالة تجزئة تشفيرية عفا عليها الزمن وتشتهر بوجود نقاط ضعف تتعلق بالتصادم. قد يؤدي حدوث تصادم في هذه التجزئة إلى تمكين المهاجم من إحداث تسمم في ذاكرة التخزين المؤقت، مما قد يؤدي إلى إعادة استخدام حالة الصندوق الرملي بشكل غير آمن. يستخدم البرنامج معرّفات حتمية لتحديد ما إذا كان من الممكن إعادة استخدام حاوية الصندوق الرملي الحالية بأمان. قد يؤدي استغلال هذه الثغرة الأمنية إلى تفسير إعداد ما خطأً على أنه إعداد آخر تحت نفس هوية ذاكرة التخزين المؤقتة لبيئة الحماية. تم تحديث التنفيذ لاستخدام SHA-256 لهذه التجزئات، مما أعاد مقاومة التصادم.

يحتوي LLaMA-Factory، وهو مكتبة ضبط للنماذج اللغوية الضخمة، على ثغرة أمنية تتمثل في تزوير الطلبات من جانب الخادم (SSRF) في واجهة برمجة تطبيقات الدردشة. يمكن للمستخدمين المصادق عليهم إجبار الخادم على إرسال طلبات HTTP تعسفية إلى الشبكات الداخلية والخارجية، مما قد يؤدي إلى كشف خدمات داخلية حساسة، أو السماح بالتعرف على الشبكة، أو التفاعل مع خدمات جهات خارجية. كما توجد ثغرة أمنية تتمثل في «تضمين الملفات المحلية» (LFI)، مما يسمح للمستخدمين بقراءة ملفات تعسفية من نظام ملفات الخادم. يكمن الخلل في الدالة ` process request` الموجودة في `src/llamafactory/api/chat.py`. تعالج هذه الدالة المحتوى متعدد الوسائط لعناوين URL، وإذا لم تكن عنوان URL عبارة عن معرّف موارد (URI) لبيانات base64 أو مسار ملف محلي، فإنها تقوم بإرسال طلب HTTP GET باستخدام `requests.get(url, stream=True).raw` دون التحقق من صحة عنوان URL أو تنقيته.

توجد ثغرة أمنية في huggingface LeRobot حتى الإصدار 0.3.3 تتعلق بغياب المصادقة في وظيفة ZeroMQ Socket Handler في الملف `lerobot/common/robot devices/robots/lekiwi remote.py`. لا يمكن شن الهجوم إلا عبر الشبكة المحلية. تم الاتصال بالمورد، لكنه لم يرد.

توجد ثغرة أمنية ناتجة عن استخدام مفاتيح تشفير مبرمجة بشكل ثابت. تكمن المشكلة في دالة غير معروفة داخل الملف `backend/domain/plugin/encrypt/aes.go`. قد يؤدي التلاعب بالمعلمات `AuthSecretKey` و`StateSecretKey` و`OAuthTokenSecretKey` إلى حدوث هذه المشكلة. يمكن شن الهجوم عن بُعد، ويُعتبر من الصعب استغلاله.

توجد مشكلات متعددة تتعلق برفض الخدمة عبر التعبيرات النمطية (ReDoS)، حيث تتعرض عدة أنماط من التعبيرات النمطية لظاهرة «التراجع الكارثي» — وهي حالة تستغرق فيها التعبيرات النمطية المعقدة وقتًا أسيًّا لمعالجة مدخلات معينة. ويمكن أن يحدث ذلك عندما يقوم المهاجم بإرسال مدخلات مصممة خصيصًا ذات هياكل متداخلة أو متكررة، مما يؤدي إلى استهلاك شديد لموارد وحدة المعالجة المركزية (CPU) وتدهور الأداء. وتشمل المكونات المتأثرة نقطة نهاية الدردشة المتوافقة مع OpenAI، ومحلل أداة phi4mini، وملف `vllm/lora/utils.py`.

توجد ثغرة أمنية من نوع «رفض الخدمة عبر التعبيرات العادية» (ReDoS) في مشروع vLLM، وتحديدًا في الملف `vllm/entrypoints/openai/tool parsers/pythonic tool parser.py`. السبب الجذري هو استخدام تعبير منتظم شديد التعقيد ومتداخل للكشف عن استدعاء الأداة، والذي يمكن للمهاجم استغلاله لإحداث تدهور شديد في الأداء أو جعل الخدمة غير متاحة. يحتوي النمط على العديد من المحددات المتداخلة والمجموعات الاختيارية والتكرارات الداخلية، مما يجعله عرضة لظاهرة التراجع الكارثي. قد يؤدي ذلك إلى رفض الخدمة (DoS)، واستنفاد الموارد، واحتمال حدوث عدم استقرار أوسع نطاقًا في النظام.

تتعلق المشكلة بثغرة أمنية حرجة في الأداء في منطق المعالجة المسبقة لمدخلات أداة الترميز متعددة الوسائط. وتنتج هذه الثغرة عن عمليات ربط القوائم غير الفعالة، مما يؤدي إلى تعقيد زمني تربيعي (O(n²))، وهو ما يسمح للجهات الخبيثة بإحداث استنفاد للموارد من خلال مدخلات مصممة خصيصًا.

تؤثر هذه المشكلة على vLLM، وهو آلية استدلال وتقديم خدمات لنماذج اللغة الكبيرة (LLMs) عالية الإنتاجية وفعالة في استخدام الذاكرة. في حالة نشر vLLM على عدة عقد، يستخدم vLLM ZeroMQ لبعض أغراض الاتصال بين العقد، حيث يفتح مقبس XPUB ZeroMQ ويربطه بجميع الواجهات. وهذا يسمح لأي عميل لديه وصول إلى الشبكة بالاتصال بالمقبس، ما لم يتم حظر منفذه بواسطة جدار حماية، وتلقي معلومات داخلية عن حالة vLLM. وعلى الرغم من أن هذه البيانات ليست مفيدة للمهاجم، فإن الاتصال بالمقبس عدة مرات دون قراءة البيانات المنشورة قد يتسبب في حدوث رفض الخدمة، مما يؤدي إلى إبطاء أو احتمال تعطيل الناشر.

تتعلق المشكلة بمسألة تتعلق بالأمان وسلامة البيانات في طريقة التجزئة (hash) للصور في فئة MultiModalHasher. وعلى وجه التحديد، تقوم الطريقة بتسلسل كائنات PIL.Image.Image باستخدام obj.tobytes() فقط، مما يؤدي إلى إرجاع البيانات الأولية للبكسل دون تضمين البيانات الوصفية مثل أبعاد الصورة. قد يؤدي ذلك إلى تضارب التجزئة، وعمليات استرجاع غير صحيحة من ذاكرة التخزين المؤقت، واحتمال حدوث تسرب للبيانات أو مخاطر أمنية. تنشأ المشكلة لأن صورتين لهما نفس تسلسل بايتات البكسل، ولكن بأحجام مختلفة، يمكن أن تنتجا نفس قيمة التجزئة.

vLLM هو آلية استدلال وتقديم خدمات لنماذج اللغة الكبيرة (LLMs) عالية الإنتاجية وفعالة في استخدام الذاكرة. تتعلق المشكلة باستخدام التسلسل القائم على pickle عبر مآخذ ZeroMQ غير آمنة عند تكامل vLLM مع mooncake، مما يؤدي إلى تنفيذ التعليمات البرمجية عن بُعد. تم تكوين مآخذ الاتصال المعرضة للخطر للاستماع على جميع واجهات الشبكة، مما يزيد من احتمالية وقوع هجوم. لا تتعرض مثيلات vLLM غير المدمجة مع mooncake لهذه الثغرة. تم إصلاح هذه المشكلة في الإصدار 0.8.5.

تم تحديد ثغرة أمنية في مكون Prefix Caching، وتحديدًا في الملف `pkg/plugins/gateway/prefixcacheindexer/hash.go`. تؤدي هذه المشكلة إلى قيم غير عشوائية بما فيه الكفاية. تعد درجة تعقيد الهجوم عالية جدًّا ويبدو أن استغلال الثغرة أمر صعب.

قد تؤدي التعليمات التي تم إنشاؤها بشكل خبيث إلى حدوث تضارب في التجزئة (hash collision)، مما يؤدي إلى إعادة استخدام ذاكرة التخزين المؤقت (cache)، وهو ما قد يتداخل مع الاستجابات اللاحقة ويسبب سلوكًا غير مقصود. تنشأ المشكلة من استخدام دالة `hash()` المدمجة في لغة Python، والتي، بدءًا من الإصدار Python 3.12، تُرجع قيمة ثابتة يمكن التنبؤ بها لـ `hash(None)`. وهذا يجعل استغلال تضارب التجزئة أمرًا أكثر قابلية للتنفيذ. وبالنظر إلى المعرفة بالأوامر المستخدمة وسلوك التجزئة القابل للتنبؤ، يمكن لأي شخص أن يملأ ذاكرة التخزين المؤقتة عن قصد باستخدام أمر معروف بتصادمه مع أمر آخر قيد الاستخدام. وسيكون تأثير التصادم هو استخدام ذاكرة التخزين المؤقتة التي تم إنشاؤها باستخدام محتوى مختلف.

The issue concerns the use of MD5, a cryptographically broken hashing algorithm, to hash passwords before sending them to the backend. This makes it vulnerable to collision attacks and can be easily cracked using modern hardware, exposing user credentials to potential compromise. The free-one-api allows users to access large language model reverse engineering libraries through the standard OpenAI API format.

The issue concerns the use of MD5 as a hashing algorithm in beego, which is no longer considered secure due to its vulnerability to collision attacks. This vulnerability can lead to data integrity risks, security vulnerabilities, and unpredictable behavior in cache systems. A collision in hashing occurs when two different inputs produce the same hash output, allowing attackers to potentially exploit collisions and manipulate cache data.

The algorithm used for parsing HTTP cookies in Tornado sometimes has quadratic complexity, leading to excessive CPU consumption when parsing maliciously-crafted cookie headers. This parsing occurs in the event loop thread and may block the processing of other requests, potentially allowing a remote attacker to cause a denial of service.