Vulnerabilidad SSRF no autenticada detectada en MLflow
MLflow ha comunicado la existencia de una vulnerabilidad crítica relacionada con la falsificación solicitudes SSRF que afecta a versiones anteriores a la 3.15.0 de su plataforma. Esta falla permitiría a un atacante interactuar con la API de webhooks del registro de modelos sin necesidad de autenticación, según ha informado INCIBE-CERT el 18 de agosto de 2026.
Detalles técnicos de la vulnerabilidad
La vulnerabilidad, identificada como CVE-2026-64849, se encuentra en el endpoint POST no autenticado /api/2.0/mlflow/webhooks/{id}/test. En versiones anteriores a la 3.15.0, la función _validate_webhook_url() validaba únicamente la URL original, pero el proceso de entrega de webhooks seguía redirecciones sin restringir la resolución del nombre de host. Esto permitía a los atacantes realizar solicitudes SSRF y acceder a servicios internos o en la nube, obteniendo información del estado y contenido de las respuestas.
Implicaciones de la falsificación solicitudes SSRF en MLflow
El problema reside en que el mecanismo de validación no bloqueaba redirecciones HTTP ni ataques de rebind DNS, lo que facilitaba la explotación. Al no requerir autenticación, la falsificación solicitudes SSRF podía ser utilizada para acceder a recursos internos a través del servidor vulnerable. Esto representa un riesgo significativo para la seguridad de las infraestructuras que utilicen versiones anteriores de MLflow.
Medidas recomendadas y actualización
Para mitigar esta vulnerabilidad, MLflow ha publicado la versión 3.15.0, que corrige el fallo en el proceso de validación y entrega de webhooks. La actualización garantiza que las redirecciones y resoluciones DNS se controlen correctamente para impedir accesos no autorizados. Se recomienda a los usuarios de MLflow actualizar a esta versión para evitar posibles ataques basados en la falsificación solicitudes SSRF.
Contexto y alcance de la alerta
MLflow es una plataforma de código abierto orientada a la ingeniería de inteligencia artificial y modelos de aprendizaje automático. Según INCIBE, la severidad de esta falla es crítica debido a la posibilidad de acceso no autenticado a recursos internos mediante técnicas SSRF.
Esta alerta pone de manifiesto la necesidad de mantener actualizadas las herramientas de desarrollo y operación en entornos de IA para evitar riesgos derivados de vulnerabilidades en componentes de integración y automatización.
Más información y detalles técnicos pueden consultarse en la fuente original proporcionada por INCIBE.
Contenido verificado con criterios de experiencia, autoridad y fiabilidad (E-E-A-T).
Este artículo puede haber usado herramientas de inteligencia artificial como apoyo para estructura, edición, traducción o revisión. La responsabilidad editorial y la revisión final son de Toni Berraquero. Ver politica de IA
Puedes apoyar el proyecto o compartir este artículo con un clic. Aquí al menos hay una salida útil de verdad.