آسیبپذیری غیرایمنسازی داده در فرآیند Pickle در پروژه SGLang کشف شده است که به مهاجم اجازه اجرای کد از راه دور میدهد.
این آسیبپذیری با شناسه CVE-2026-14890 ردیابی میشود و در زیرسیستم پشتیبان موازی متخصص رخ میدهد.
برای سوءاستفاده، مهاجم باید دسترسی شبکهای به سرویس داشته باشد و زیرسیستم مذکور فعال باشد.
SGLang یک چارچوب متنباز برای ارائه مدلهای LLM و هوش مصنوعی چندوجهی است.
سوکت ZeroMQ PULL در فایل expert_backup_manager.py بدون احراز هویت به آدرس IP خارجی متصل میشود که باعث آسیبپذیری میشود.
تا زمان انتشار وصله، کاربران میتوانند با محدود کردن دسترسی به رابطها و تغییر مقدار SGLANG_USE_PICKLE_IPC به "false" خطر را کاهش دهند.
متن خبر
شرح خبر
آسیبپذیری جدیدی با شناسه CVE-2026-14890 در چارچوب متنباز SGLang کشف شده است که به مهاجم اجازه میدهد کدهای مخرب را از راه دور بر روی سرور آسیبپذیر اجرا کند.
این آسیبپذیری در زیرسیستم پشتیبان موازی متخصص (expert-parallel backup subsystem) رخ میدهد و برای سوءاستفاده از آن، مهاجم باید دسترسی شبکهای به سرویس SGLang داشته باشد.
SGLang یک چارچوب برای ارائه مدلهای زبانی بزرگ (LLM) و مدلهای هوش مصنوعی چندوجهی است که از مدلهایی مانند Qwen، DeepSeek، Mistral و Skywork پشتیبانی میکند.
در حال حاضر هیچ وصلی برای این آسیبپذیری منتشر نشده و نگهدارندگان پروژه نیز پاسخی ندادهاند.
استقرارهایی که رابط آسیبپذیر را در شبکههای غیرمطمئن قرار میدهند، بیشترین خطر را دارند.
این صفحه خلاصه و تحلیل فارسی خبر را نمایش میدهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.
تحلیل تحریریه
ابعاد مهم خبر
چرا مهم است؟
این آسیبپذیری به دلیل امکان اجرای کد از راه دور بدون احراز هویت، خطر بالایی برای سرورهای مبتنی بر SGLang ایجاد میکند.
زیرسیستم پشتیبان موازی متخصص در SGLang برای مدیریت محدودیتهای محاسباتی و حافظه طراحی شده است، اما عدم احراز هویت در سوکت ZeroMQ آن را به هدف مناسبی برای مهاجم تبدیل کرده است.
با توجه به اینکه SGLang از مدلهای محبوبی مانند Mistral و Qwen پشتیبانی میکند، این آسیبپذیری میتواند تأثیر گستردهای بر زیرساختهای هوش مصنوعی داشته باشد.
اثر کسبوکاری
شرکتها و سازمانهایی که از SGLang برای ارائه خدمات هوش مصنوعی استفاده میکنند، در معرض خطر حمله قرار دارند.
این حمله میتواند منجر به افشای دادهها، اختلال در خدمات یا حتی کنترل کامل سرورها شود.
به ویژه، استارتآپها و شرکتهای کوچک که منابع امنیتی محدودی دارند، آسیبپذیرتر هستند.
اثر احتمالی برای ایران
در ایران، بسیاری از شرکتها و پژوهشگران از چارچوبهای متنباز مانند SGLang برای توسعه و استقرار مدلهای هوش مصنوعی استفاده میکنند.
این آسیبپذیری میتواند زیرساختهای محلی را در معرض خطر قرار دهد، به ویژه اگر سرورها به شبکههای عمومی متصل باشند.
عدم دسترسی به وصلههای امنیتی به دلیل تحریمها نیز میتواند خطر را افزایش دهد.
ارتباط با LegalTech
این آسیبپذیری نشاندهنده اهمیت رعایت اصول امنیتی در توسعه نرمافزارهای هوش مصنوعی است.
عدم احراز هویت در سوکتهای شبکهای میتواند منجر به نقض قوانین حفاظت از دادهها و مسئولیتهای حقوقی برای شرکتها شود.
همچنین، این مورد میتواند به عنوان یک مطالعه موردی برای تدوین قوانین سختگیرانهتر در زمینه امنیت سایبری مورد استفاده قرار گیرد.
زاویه رسانه/کشور منبع
CERT/CC به عنوان یک مرجع معتبر در زمینه آسیبپذیریهای امنیتی، این گزارش را منتشر کرده است.
عدم پاسخگویی نگهدارندگان پروژه و عدم انتشار وصله، اهمیت این آسیبپذیری را دوچندان میکند.
پوشش چند منبعی
این خبر در منابع دیگر
آسیبپذیری بحرانی انکار سرویس (DoS) در پیادهسازیهای سرور HTTP/2 کشف شدCERT/CC Vulnerability Notes · US · enمشاهده در سایت