Специалисты по кибербезопасности и разработчики систем искусственного интеллекта столкнулись с новой серьезной угрозой. В популярной библиотеке vLLM, которая используется для эффективного обслуживания больших языковых моделей (LLM), обнаружена критическая уязвимость. Эксперты Банка данных угроз (BDU) присвоили ей идентификатор BDU:2026-03420, соответствующий международному CVE-2025-47277.
Детали уязвимости
Эта уязвимость затрагивает механизм десериализации в компоненте PyNcclPipe. По сути, злоумышленник может отправить специально сконструированные данные, которые при обработке библиотекой позволят выполнить произвольный код на целевом сервере. Учитывая, что vLLM часто развертывается в продуктивных средах для работы с мощными моделями наподобие ChatGPT, потенциальные последствия взлома чрезвычайно высоки.
Уязвимость классифицируется как проблема архитектуры типа "Восстановление в памяти недостоверных данных" (CWE-502). Ей подвержены версии vLLM начиная с 0.6.5 и вплоть до 0.8.5. Оценка по метрикам CVSS подтверждает максимальный уровень опасности. Базовый балл CVSS 2.0 достигает 10.0, а по более современной версии CVSS 3.1 уязвимость оценивается в 9.8 баллов из 10. Все векторы атаки имеют высшие значения: для эксплуатации не требуются привилегии (PR:N) или действия пользователя (UI:N), атака возможна удаленно через сеть (AV:N), а сложность её низкая (AC:L). В результате успешной атаки злоумышленник получает полный контроль над системой (C:H/I:H/A:H).
Важно отметить, что, согласно данным BDU, эксплойт для данной уязвимости уже существует в открытом доступе. Следовательно, риск активной эксплуатации значительно возрастает. Злоумышленники, особенно из числа APT, могут использовать эту брешь для получения первоначального доступа к инфраструктуре компаний, занимающихся разработкой ИИ. После этого они могут развернуть вредоносное ПО, установить механизм постоянного присутствия (persistence) или похитить конфиденциальные данные и сами модели.
Производитель, vLLM Project, оперативно отреагировал на сообщение об уязвимости. Проблема была подтверждена, а затем устранена. Исправление было внедрено в рамках коммита в репозитории GitHub. Основным и единственным надежным способом устранения угрозы является немедленное обновление программного обеспечения до версии, вышедшей после исправления уязвимости. Разработчики настоятельно рекомендуют всем пользователям обновить свои развертывания vLLM.
Для тех, кто по каким-либо причинам не может мгновенно выполнить обновление, необходимо принять дополнительные меры защиты. Прежде всего, следует строго ограничить сетевой доступ к экземплярам vLLM, разрешив его только из доверенных сегментов сети. Кроме того, рекомендуется пересмотреть общую архитектуру безопасности развертываний ИИ, руководствуясь лучшими практиками, такими как MITRE ATT&CK для ML. Например, важно обеспечить изоляцию сред выполнения моделей и мониторинг аномальной активности.
Данный инцидент ярко иллюстрирует растущие риски в области безопасности машинного обучения (ML Security). Инфраструктура для обслуживания ИИ-моделей становится все более сложной, включая множество компонентов и библиотек. Каждый такой компонент потенциально увеличивает площадь для атаки. Следовательно, уязвимость в ключевой библиотеке, такой как vLLM, ставит под угрозу всю систему.
Таким образом, обнаружение CVE-2025-47277 служит серьезным напоминанием для индустрии. Командам, отвечающим за развертывание ИИ, необходимо внедрять практики безопасной разработки (DevSecOps) и регулярно проводить аудит зависимостей. Кроме того, критически важно оперативно применять выпущенные исправления безопасности. Безопасность систем искусственного интеллекта требует такого же пристального внимания, как и безопасность традиционного программного обеспечения, поскольку последствия их компрометации могут быть катастрофическими.
Ссылки
- https://bdu.fstec.ru/vul/2026-03420
- https://www.cve.org/CVERecord?id=CVE-2025-47277
- https://github.com/vllm-project/vllm/security/advisories/GHSA-hjq4-87xh-g4fv
- https://github.com/vllm-project/vllm/commit/0d6e187e88874c39cda7409cf673f9e6546893e7
- https://github.com/vllm-project/vllm/pull/15988
- https://docs.vllm.ai/en/latest/deployment/security.html
