TensorFlow，作為一個主流的開源 Python 庫，最初由 Google 開發用于機器學習領域，逐漸成為 GitHub 頂級開源 TOP 10 專案之一，
近日，Google TensorFlow 專案團隊宣布了一項重大的改變，由于存在一個關鍵代碼執行漏洞，其取消對另一種標記語言 YAML 的支持，TensorFlow 團隊表示，鑒于 YAML 支持需要大量作業，因此暫時洗掉了 YAML，
YAML 是一種可讀性高，用來表達資料序列化的格式，開發者常用 YAML 作為通用格式來存盤資料并在行程和應用程式之間傳遞物件，據 GitHub 公告稱，TensorFlow 和 Keras（TensorFlow 的包裝庫）使用了不安全的函式來反序列化 YAML 編碼的機器學習模型，
臭名昭著的 “yaml.unsafe_load()”函式
上文所提及的不安全函式指的是 “yaml.unsafe_load()”函式（https://github.com/tensorflow/tensorflow/blob/460e000de3a83278fb00b61a16d161b1964f15f4/tensorflow/python/keras/saving/model_config.py#L100），其中“unsafe_load”函式可以相當自由地反序列化 YAML 資料，它能夠決議所有標簽，“即使是那些在不受信任的輸入上不安全的標簽”，
而這樣的漏洞會帶來怎樣的后果？
事實上，在理想情況下，“unsafe_load”應該只在沒有任何惡意內容的可信源輸入上呼叫，反之，攻擊者可以利用反序列化機制，通過在尚未序列化的 YAML 資料中注入惡意負載來執行他們選擇的代碼，
對此，安全研究人員追蹤發現，這個關鍵漏洞可使攻擊者能夠在應用程式反序列化以 YAML 格式提供的 Keras 模型時執行任意代碼，其將該漏洞稱之為 CVE-2021-37678，
簡單來看，序列化將物件轉換為位元組流，反序列化則可以視為與序列化相反的程序，其中使用位元組流在記憶體中重新創建實際的 Java 物件，因此，當不受信任的資料被用來濫用應用程式的邏輯時，就會發生不安全的反序列化，
當應用程式讀取反序列化資料后，或造成應用程式崩潰，導致拒絕服務 (DoS) 條件，甚至帶來更為糟糕的結果，即執行攻擊者的任意代碼，
最初該漏洞由安全研究員 Arjun Shibu 發現，并上報給了 TensorFlow 專案的維護者，
來自 Coalfire 的管理負責人 Andrew Barratt 解釋稱，只要大多數高級語言支持基于物件的資料格式，反序列化錯誤就一直存在，甚至出現在決議資料流以獲取常見結構之前，Barratt 說，使用常見結構化格式的處理物件往往需要訪問大塊記憶體，因此決議程序中的錯誤總是會導致資料泄漏到記憶體區域，攻擊者可能會操縱這些區域以進行遠程代碼執行，
解決方案
此次，這個 YAML 反序列化漏洞的嚴重性被標記為 9.3 等級，影響范圍較為廣泛，據悉，本次漏洞影響 TensorFlow 2.3.2、2.4.2 與 2.5.0 版本，Keras 的 0.1.0 到 2.6.0 版本均受影響，
作為解決方案，在宣布棄用 YAML 之后，TensorFlow 團隊建議開發者以 JSON 替代 YAML 序列化，或使用 H5 序列化作為替代，與此同時，TensorFlow 官方有望在 2.6.0 版本中修復該漏洞，屆時，也早期版本如 2.5.1、2.4.3 和 2.3.4 也會進行修復，
最后值得注意的是，TensorFlow 并不是第一個或唯一一個使用 YAML 的unsafe_load 的專案，該函式在 GitHub 的 Python 專案中相當普遍，對此，一些開發者建議道，這些專案應及時解決這個問題，使用這些專案的開發人員也應注意安全，
參考：https://www.bleepingcomputer.com/news/security/googles-tensorflow-drops-yaml-support-due-to-code-execution-flaw/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/298293.html
標籤：AI