Biblioteka llama-cpp-python zawiera podatność klasy Server Side Template Injection (SSTI) w mechanizmie przetwarzania szablonów czatu Jinja2, która umożliwia wykonanie dowolnego kodu na serwerze (RCE). Wynika to z braku piaskownicy (sandbox) podczas renderowania szablonów pobieranych z metadanych plików modeli .gguf.
▸ Pokaż oryginał (EN)
llama-cpp-python is the Python bindings for llama.cpp. `llama-cpp-python` depends on class `Llama` in `llama.py` to load `.gguf` llama.cpp or Latency Machine Learning Models. The `__init__` constructor built in the `Llama` takes several parameters to configure the loading and running of the model. Other than `NUMA, LoRa settings`, `loading tokenizers,` and `hardware settings`, `__init__` also loads the `chat template` from targeted `.gguf` 's Metadata and furtherly parses it to `llama_chat_format.Jinja2ChatFormatter.to_chat_handler()` to construct the `self.chat_handler` for this model. Nevertheless, `Jinja2ChatFormatter` parse the `chat template` within the Metadate with sandbox-less `jinja2.Environment`, which is furthermore rendered in `__call__` to construct the `prompt` of interaction. This allows `jinja2` Server Side Template Injection which leads to remote code execution by a carefully constructed payload.
Podczas ładowania modelu .gguf konstruktor klasy `Llama` odczytuje z metadanych pliku pole `chat template` i przekazuje je do `Jinja2ChatFormatter.to_chat_handler()`, a następnie renderuje je za pomocą instancji `jinja2.Environment` bez skonfigurowanej piaskownicy (sandbox-less). Atakujący może osadzić w metadanych złośliwie spreparowanego pliku .gguf specjalnie skonstruowany payload Jinja2, który zostanie wykonany w środowisku Pythona podczas renderowania promptu. W efekcie, przekonanie użytkownika do załadowania takiego pliku modelu skutkuje wykonaniem dowolnego kodu po stronie serwera lub stacji użytkownika.
Atakujący może uzyskać pełne wykonanie dowolnego kodu (RCE) w kontekście procesu uruchamiającego bibliotekę, co może prowadzić do przejęcia kontroli nad systemem, wycieku danych oraz dalszego lateral movement w sieci.
Należy zaktualizować llama-cpp-python do wersji zawierającej poprawkę wskazaną w commicie b454f40a9a1787b2b5659cd2cb00819d983185df zgodnie z adviory GHSA-56xg-wfcc-g829. Dodatkowo należy unikać ładowania plików .gguf z niezaufanych źródeł.
Biblioteka llama-cpp-python (Python bindings dla llama.cpp) — wersje wskazane w referencjach producenta (łatka dostępna w commicie b454f40a9a1787b2b5659cd2cb00819d983185df).
CVSS:3.1/AV:N/AC:L/PR:N/UI:R/S:C/C:H/I:H/A:H