نسخههای متأثر
بازهها نیاز به بررسی دارند.
PyPImlflow
- نسخههای متأثر
- <= 3.10.1
- نسخهٔ اصلاحشده
- 3.11.1
PyPImlflow
- نسخههای متأثر
- <3.11.0rc0
- نسخهٔ اصلاحشده
- 3.11.0rc0
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
Red HatRed Hat OpenShift AI (RHOAI)/rhoai/odh-pipeline-runtime-pytorch-llmcompressor-cuda-py312-rhel9
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
Red HatRed Hat OpenShift AI (RHOAI)/rhoai/odh-workbench-jupyter-pytorch-llmcompressor-cuda-py312-rhel9
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
- نسخههای متأثر
- نامشخص
- نسخهٔ اصلاحشده
- اعلام نشده
بهرهبرداری
شرح آسیبپذیری
MLflow is vulnerable to Stored Cross-Site Scripting (XSS) caused by unsafe parsing of YAML-based MLmodel artifacts in its web interface. An authenticated attacker can upload a malicious MLmodel file containing a payload that executes when another user views the artifact in the UI. This allows actions such as session hijacking or performing operations on behalf of the victim.
This issue affects MLflow version through 3.10.1
پیوندها
- https://afine.com/blogs/attacking-mlflow-how-ml-artifacts-become-attack-vectors
- https://cert.pl/en/posts/2026/04/CVE-2026-33865
- https://cert.pl/en/posts/2026/04/CVE-2026-33865/
- https://github.com/advisories/GHSA-fh64-r2vc-xvhr
- https://github.com/mlflow/mlflow/commit/aca4dd0ec88a12f7655155c224371280e9b45dda
- https://github.com/mlflow/mlflow/pull/21435
- https://github.com/pypa/advisory-database/tree/main/vulns/mlflow/PYSEC-2026-93.yaml
- https://nvd.nist.gov/vuln/detail/CVE-2026-33865

