Vulnerabilità SSRF non autenticata rilevata in MLflow
MLflow ha comunicato l'esistenza di una vulnerabilità critica relativa alla falsificazione delle richieste SSRF che colpisce le versioni precedenti alla 3.15.0 della sua piattaforma. Questa falla permetterebbe a un attaccante di interagire con l'API dei webhook del registro dei modelli senza necessità di autenticazione, come riportato da INCIBE-CERT il 18 agosto 2026.
Dettagli tecnici della vulnerabilità
La vulnerabilità, identificata come CVE-2026-64849, si trova nell'endpoint POST non autenticato /api/2.0/mlflow/webhooks/{id}/test. Nelle versioni precedenti alla 3.15.0, la funzione _validate_webhook_url() validava unicamente l'URL originale, ma il processo di consegna dei webhook seguiva le redirezioni senza limitare la risoluzione del nome host. Ciò permetteva agli attaccanti di effettuare richieste SSRF e accedere a servizi interni o nel cloud, ottenendo informazioni sullo stato e sul contenuto delle risposte.
Implicazioni della falsificazione delle richieste SSRF in MLflow
Il problema risiede nel fatto che il meccanismo di validazione non bloccava le redirezioni HTTP né gli attacchi di rebind DNS, facilitando così l'esploitazione. Non richiedendo autenticazione, la falsificazione delle richieste SSRF poteva essere utilizzata per accedere a risorse interne attraverso il server vulnerabile. Questo rappresenta un rischio significativo per la sicurezza delle infrastrutture che utilizzano versioni precedenti di MLflow.
Misure raccomandate e aggiornamento
Per mitigare questa vulnerabilità, MLflow ha pubblicato la versione 3.15.0, che corregge il difetto nel processo di validazione e consegna dei webhook. L'aggiornamento garantisce che le redirezioni e le risoluzioni DNS siano controllate correttamente per impedire accessi non autorizzati. Si raccomanda agli utenti di MLflow di aggiornare a questa versione per evitare possibili attacchi basati sulla falsificazione delle richieste SSRF.
Contesto e portata dell'allerta
MLflow è una piattaforma open source orientata all'ingegneria dell'intelligenza artificiale e ai modelli di apprendimento automatico. Secondo INCIBE, la gravità di questa falla è critica a causa della possibilità di accesso non autenticato a risorse interne mediante tecniche SSRF.
Questa allerta evidenzia la necessità di mantenere aggiornati gli strumenti di sviluppo e operazione negli ambienti di IA per evitare rischi derivanti da vulnerabilità nei componenti di integrazione e automazione.
Maggiori informazioni e dettagli tecnici possono essere consultati nella fonte originale fornita da INCIBE.
Pubblicato: 19/08/2026. Contenuto verificato secondo criteri di esperienza, autorevolezza e affidabilità (E-E-A-T).
Questo articolo puo aver usato strumenti di intelligenza artificiale come supporto per struttura, editing, traduzione o revisione. La responsabilita editoriale e la revisione finale restano di Toni Berraquero. Vedi politica IA
Puoi sostenere il progetto o condividere questo articolo con un clic. Almeno qui c’è un’azione utile vera.