🌍The Next Web (TNW)•最新收集於 71m
Ray AI 框架漏洞面臨緊急修補
💡Ray 正遭受實際攻擊，立即確認你的 AI 訓練叢集是否需要緊急修補。
⚡ 30-Second TL;DR
有什麼變化
受影響產品是 Ray，一個用於 AI 訓練與推論的開源框架。
為什麼重要
任何公開 Ray 服務或執行未修補 Ray 叢集的組織，都面臨更高的遭入侵風險。由於 Ray 用於分散式 AI 工作負載，脆弱的控制平面可能影響訓練基礎設施、資料、憑證與運算資源。
下一步行動
請盤點所有 Ray 部署，依照 Ray 官方公告核對版本，並立即修補或隔離可從外部連線的叢集。
誰應關注：Developers & AI Engineers
關鍵要點
- •受影響產品是 Ray，一個用於 AI 訓練與推論的開源框架。
- •CISA 確認該漏洞已在真實世界攻擊中遭到利用。
- •漏洞被加入 KEV 目錄後，聯邦機構面臨三天內緊急修補的期限。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •該漏洞被識別為 CVE-2023-48022，涉及 Ray Dashboard 的遠端程式碼執行（RCE）風險，攻擊者可藉此完全控制受影響的節點。
- •Anyscale（Ray 的開發商）此前曾因設計理念爭議，拒絕將此類遠端存取問題視為傳統意義上的安全漏洞，導致修補進度一度延宕。
- •CISA 的強制指令（Binding Operational Directive 22-01）不僅針對聯邦機構，也成為企業界評估 AI 基礎設施安全性的重要合規基準。
- •攻擊者利用該漏洞主要針對雲端環境中未經適當網路隔離的 Ray 叢集，進行加密貨幣挖礦或竊取敏感的 AI 模型權重。
- •除了 CVE-2023-48022，Ray 框架在過去兩年中還經歷了多次關於 API 存取控制與叢集配置安全性的審計與更新。
📊 競品分析▸ Show
| 特性 | Ray | Apache Spark | Dask | PyTorch Distributed |
|---|---|---|---|---|
| 主要用途 | 分散式 AI/ML 訓練與推論 | 大數據處理與 ETL | Python 原生平行運算 | 深度學習模型訓練 |
| 價格 | 開源 (Apache 2.0) | 開源 (Apache 2.0) | 開源 (BSD) | 開源 (BSD) |
| 效能基準 | 高度優化低延遲任務 | 高吞吐量批次處理 | 中小型叢集靈活調度 | 深度學習框架深度整合 |
🛠️ 技術深入
- 漏洞核心在於 Ray Dashboard 的 API 端點未進行適當的身份驗證，允許未經授權的使用者提交惡意任務。
- 攻擊者可透過 HTTP POST 請求直接呼叫 Ray 的 Job Submission API，進而在叢集節點上執行任意 Python 程式碼。
- 該漏洞影響 Ray 2.0.0 至 2.8.0 版本，主要風險點在於預設配置下 Dashboard 服務對外開放且缺乏存取控制列表（ACL）。
- 緩解措施包括升級至修補版本、啟用 TLS 加密通訊，以及在網路層面限制 Dashboard 的存取權限。
🔮 前景展望AI analysis grounded in cited sources
AI 基礎設施供應商將被迫採用更嚴格的預設安全配置
此次事件凸顯了 AI 框架在追求效能與易用性時，往往犧牲了安全性，未來開發者將面臨更嚴格的合規審查。
企業將加速轉向受管 AI 平台以降低開源框架維護風險
由於自行維護開源 AI 框架的資安成本與風險過高，企業將更傾向使用雲端供應商提供的受管服務來轉嫁安全責任。
⏳ 時間線
2023-11
研究人員公開披露 Ray 框架中存在的遠端程式碼執行漏洞 (CVE-2023-48022)
2023-12
Anyscale 發布安全更新並回應關於漏洞定義的爭議
2024-04
CISA 正式將該漏洞納入已知遭利用漏洞目錄 (KEV)
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： The Next Web (TNW) ↗