一个API要求让大模型服务瘫痪!看MAF若何破局LLM供给链缝隙�;�
颁布功夫 2025-12-18媒介:
随着大模型成为企业数字化转型的关键组件,其供给链安全问题日益凸显。近期,主流大模型推理引擎vLLM被曝出高危远程代码执行缝隙(CVE-2025-62164),攻击者仅需发送一个恶意机关的API要求,即可导致服务崩溃。这再次揭示了大模型供给链的脆弱性。本文将通过该缝隙分析大模型供给链的安全挑战,并介绍宝运莱官方网站MAF大模型利用防火墙的防护思路。
vLLM是当前业界宽泛利用的大模型推理与服务引擎,为多多AI利用提供底层技术支持。作为主题基础设施,一旦出现安全缝隙,便可能带来严沉后果。这次披露的CVE-2025-62164缝隙即属于内存损宦粪型,直接威胁到托管vLLM的服务器安全。
通过逆向分析vLLM源码,宝运莱官方网站还原了该缝隙的齐全攻击链路:攻击者向/v1/completions接口发送精心机关的恶意要求,在HTTP Body中植入带有风险 prompt_embeds(提醒嵌入)参数;vLLM后端接管该参数后,会挪用torch.load()函数加载序列化的张量数据;由于底层依赖的PyTorch 2.8.0版本默认禁用了稀少张量的齐全性查抄,恶意机关的序列化张量可轻松绕过天堑查抄;当法式挪用to_dense()步骤转换张量体式时,会触发越界内存写入,最终导致vLLM利用法式崩溃退出,引发回绝服务攻击。

恶意要求导致vLLM内存崩溃
该缝隙反映了大模型供给链安全的普遍问题。据统计,大模型系统中约70%的代码来自表部供给链,蕴含开源组件、第三方库和预训练模型。攻击者可通过传染数据、篡改依赖或植入后门等方式,沿供给链渗入至主题系统,威胁贯通数据、分发、训练、推理及利用全链路:
? 上游(数据层):面对网页数据抓取投毒、训练数据集传染、隐衷泄露等风险。
? 中游(模型/框架层): 面对开发包投毒、反序列化、模型后门等风险。
? 下游(利用层):面对号令执杏注SSRF、越权接见、沙箱逃逸等风险。
宝运莱官方网站目前已针对40+LLM供给链高危漏敞发展分析钻研,覆盖LLM利用框架(如Dify的SSRF缝隙)、基础平台(如ollama的RCE缝隙)、代码IDE及智能体(如smolagents有关缝隙)等多类场景。这些缝隙散布于推理引擎、利用框架、API网关、智能体平台等关键组件,从底层vLLM推理服务,到上层Dify、Langflow利用框架,再到各类开发工具和智能体平台,均可能成为攻击者的指标。更值得警惕的是,这些组件往往存在相互挪用、层层嵌套的关系,一个部门缝隙可能沿挪用链传导,最终导致整个服务系统被击穿。
MAF破局LLM供给链安全
从单点防御到全性命周期防护
宝运莱官方网站MAF大模型利用防火墙部署于大模型服务或智能体服务入口,所有流向推理引擎、利用框架、API接口、智能体平台的要求均需经过MAF检测。该部署架构使MAF可能在统一地位覆盖vLLM、Dify、ollama、Langflow等各类LLM组件,实现“一点部署、全链防护”。
针对CVE-2025-62164缝隙,宝运莱官方网站MAF通过对大模型服务对话接口“/v1/completions”的要求数据进行针对性检测,可有效拦截恶意机关的prompt_embeds参数,防备该缝隙引发的vLLM服务崩溃问题。

MAF精准拦截vLLM RCE缝隙(CVE-2025-62164)
通过深度分解Langflow、Ollama等多个高危供给链缝隙,宝运莱官方网站发现只管AI供给链中下游框架和利用迭代速度较快,但其安全风险性质仍属于传统Web安全问题领域,其中远程代码执杏注反序列化、肆意文件读取是呈显斓率最高的缝隙类型。具体如下表所示:

基于此洞察,宝运莱官方网站MAF不仅持续维持着对行业热点缝隙的敏感嗅觉与急剧响应能力,更致力于构建一套基于攻击道理的“算法免疫”系统。该系统继承了宝运莱官方网站WAF在传统安全领域的成熟检测能力,对号令注入、代码执杏注SSRF等威胁具备美满的防护算法,并针对LLM场景实现了流量特点适配。因而,无论是vLLM的反序列化缝隙,还是Dify的SSRF攻击,只有攻击行为触发了底层恶意特点,即便在0-day缝隙发作的窗口期,MAF也能实现正确鉴别与有效拦截。
AI时期的大模型安全防护,已延长至供给链的每一个环节,vLLM高危缝隙的发作批注,大模型安全防护必须突破“单点防御”局限,覆盖LLM全性命周期阶段。宝运莱官方网站MAF大模型利用防火墙凭借“一点部署、全链防护”的架构优势,以及基于攻击道理的算法防护能力,破解LLM供给链安全难题,确保每一个表部组件都经过严格安全校验,为企业智能交互提供坚实的安全保险。


京公网安备11010802024551号