مهاجمان از نقص SSRF در MLflow برای سرقت اعتبارنامه‌های ابری سوءاستفاده می‌کنند

اخبار داغ فناوری اطلاعات و امنیت شبکه

دو آسیب‌پذیری بحرانی در پلتفرم‌های هوش مصنوعی و اتوماسیون صنعتی هدف اسکن و بهره‌برداری فعال قرار گرفتند

پژوهشگران امنیتی از سوءاستفاده فعال مهاجمان از دو آسیب‌پذیری بحرانی خبر داده‌اند: نخست نقصی در MLflow، پلتفرم متن‌باز و پرکاربرد هوش مصنوعی برای مدیریت چرخه حیات مدل‌های یادگیری ماشین، و دوم نقصی در FUXA، نرم‌افزار متن‌باز و تحت وب SCADA/HMI که برای فناوری عملیاتی (OT) و اتوماسیون صنعتی طراحی شده است. بر اساس گزارش‌های مستقل دو شرکت امنیتی watchTowr و VulnCheck، هر دو نقص هم‌اکنون هدف اسکن‌های گسترده و تلاش‌های بهره‌برداری در دنیای واقعی قرار دارند.

CVE-2026-64849؛ دروازه‌ای به سمت سرویس‌های متادیتای ابری

آسیب‌پذیری اصلی این گزارش با شناسه CVE-2026-64849 و امتیاز شدت بسیار بالای ۹.۳ از ۱۰ ثبت شده است. این نقص از نوع جعل درخواست سمت سرور (SSRF) بدون نیاز به احراز هویت است که در سرور ردیابی MLflow (mlflow server) وجود دارد و تمام نسخه‌های پیش از ۳.۱۵.۰ این پلتفرم را تحت تأثیر قرار می‌دهد.

به بیان ساده، هر مهاجمی که بتواند به سرور ردیابی MLflow دسترسی داشته باشد — چه از طریق شبکه داخلی و چه در صورت قرار گرفتن نادرست این سرویس در معرض اینترنت عمومی — می‌تواند از طریق آن، درخواست‌های HTTP دلخواه خود را به سمت نقاط پایانی داخلی سرویس‌های متادیتای ابری (Cloud Metadata Endpoints) ارسال کند. این نقاط پایانی معمولاً در پلتفرم‌های ابری بزرگ برای ارائه اطلاعات پیکربندی و اعتبارنامه‌های موقت به سرویس‌های در حال اجرا استفاده می‌شوند و دسترسی غیرمجاز به آن‌ها می‌تواند مستقیماً به افشای اطلاعات بسیار حساس منجر شود.

چگونگی بهره‌برداری: دور زدن وصله‌های قبلی

بر اساس اعلام شرکت امنیتی watchTowr، مهاجمان از این آسیب‌پذیری برای دسترسی مستقیم به سرویس‌های متادیتای ابری و استخراج اعتبارنامه‌ها و اطلاعات حساس ابری سوءاستفاده می‌کنند. این شرکت اعلام کرده تنها چند ساعت پس از تخصیص رسمی شناسه CVE در تاریخ ۱۷ اوت ۲۰۲۶، شاهد اسکن گسترده و بی‌رویه مهاجمان برای شناسایی نمونه‌های MLflow در معرض اینترنت بوده است.

یوردان گانچف، متخصص ارشد هوش تهدید در watchTowr، در توضیحاتی که با نشریه The Hacker News به اشتراک گذاشته، این نقص را ناشی از یک مشکل در وب‌هوک‌های ثبت مدل (Model-Registry Webhooks) در MLflow دانسته که به مهاجم اجازه می‌دهد درخواست‌های خود را از طریق سیستم آسیب‌دیده پروکسی کرده و با سرویس‌های داخلی شبکه تعامل برقرار کند.

نکته فنی مهم این است که این آسیب‌پذیری، در واقع یک راه دور زدن (Bypass) برای وصله‌های امنیتی پیشین محسوب می‌شود. به گفته گانچف، این باگ به دلیل نحوه پردازش ریدایرکت‌های وب توسط MLflow، از سد اصلاحات قبلی عبور می‌کند. بر اساس داده‌های جمع‌آوری‌شده از شبکه جهانی هانی‌پات‌های (Honeypot) این شرکت، مهاجمان در حال سوءاستفاده از این نقص برای هدف قرار دادن سامانه‌های MLflow میزبانی‌شده روی بسترهای ابری هستند، با هدف استخراج اعتبارنامه‌ها و اطلاعات محرمانه از آدرس‌های IP و سرویس‌های داخلی شناخته‌شده.

توصیه‌های امنیتی برای کاربران MLflow

به سازمان‌هایی که از MLflow استفاده می‌کنند توصیه شده اقدامات زیر را در اولویت قرار دهند:

FUXA؛ آسیب‌پذیری بحرانی در نرم‌افزار اتوماسیون صنعتی

آسیب‌پذیری دوم این گزارش، با شناسه CVE-2026-25895 و امتیاز شدت ۹.۵، یکی از بحرانی‌ترین نقص‌های شناسایی‌شده اخیر در حوزه فناوری عملیاتی به‌شمار می‌رود. این آسیب‌پذیری ترکیبی از دو مشکل امنیتی است: فقدان کامل مکانیزم احراز هویت برای یک تابع حیاتی، و یک نقص پیمایش مسیر (Path Traversal). این دو مشکل در کنار هم، به مهاجمی از راه دور و بدون نیاز به هیچ احراز هویتی اجازه می‌دهند فایل‌های دلخواه خود را روی سیستم فایل سرور بنویسند و در نهایت به اجرای کد از راه دور (RCE) دست یابند. این نقص تمام نسخه‌های FUXA تا نسخه ۱.۲.۹ را تحت تأثیر قرار می‌دهد.

با توجه به این‌که FUXA به‌طور خاص برای محیط‌های اتوماسیون صنعتی و فناوری عملیاتی طراحی شده، بهره‌برداری موفق از چنین نقصی می‌تواند پیامدهایی به‌مراتب جدی‌تر از یک نفوذ معمول فناوری اطلاعات داشته باشد؛ از اختلال در فرایندهای صنعتی گرفته تا آسیب فیزیکی احتمالی به تجهیزات تحت کنترل این سامانه‌ها.

اسکن گسترده و شواهد اولیه بهره‌برداری

شرکت امنیتی VulnCheck اعلام کرده اسکن مخرب هدف‌گرفته این آسیب‌پذیری را از تاریخ ۱۸ اوت ۲۰۲۶ شناسایی کرده است. بر اساس داده‌های این شرکت، یک آدرس IP واحد به‌طور گسترده در حال اسکن سراسر اینترنت برای یافتن نمونه‌های آسیب‌پذیر FUXA است. در حال حاضر حدود ۶۰ نصب فعال FUXA به‌صورت مستقیم در معرض اینترنت عمومی قرار دارند.

کیتلین کاندن، معاون بخش پژوهش VulnCheck، توضیح داده درخواست‌های ارسالی مهاجم تلاش می‌کنند از طریق نقص پیمایش مسیر مرتبط با CVE-2026-25895، فایل main.js را با داده‌های بی‌ارزش بازنویسی کنند. به گفته او، تاکنون هیچ بار مخرب اجرای کد از راه دور (RCE Payload) در جریان این حملات مشاهده نشده و فعالیت مشاهده‌شده هنوز در مرحله اسکن و آزمایش اولیه است.

سابقه‌ای از بهره‌برداری مستمر در FUXA

این اولین بار نیست که FUXA هدف حملات فعال قرار می‌گیرد. طی یک سال گذشته، دو آسیب‌پذیری دیگر در این پلتفرم — با شناسه‌های CVE-2026-25939 و CVE-2023-33831 — نیز شاهد تلاش‌های بهره‌برداری فعال بوده‌اند. بر اساس گفته کاندن، فعالیت مرتبط با دومین آسیب‌پذیری (CVE-2023-33831) حتی به نوامبر ۲۰۲۵ بازمی‌گردد و تا همین یک روز پیش از انتشار این گزارش نیز همچنان ادامه داشته است؛ نشانه‌ای روشن از این‌که نرم‌افزارهای متن‌باز حوزه OT، به‌طور مستمر و طولانی‌مدت در تیررس مهاجمان قرار دارند.

چرا این دو مورد اهمیت دارند؟

این دو گزارش هم‌زمان، تصویری روشن از یک روند نگران‌کننده در فضای امنیت سایبری امروز ترسیم می‌کنند: پلتفرم‌های زیرساختی حیاتی — چه در حوزه هوش مصنوعی و چه در حوزه اتوماسیون صنعتی — به‌محض انتشار عمومی جزئیات یک آسیب‌پذیری، ظرف چند ساعت هدف اسکن‌های خودکار و تلاش‌های بهره‌برداری مهاجمان قرار می‌گیرند.

در مورد MLflow، ماهیت این نقص به‌ویژه نگران‌کننده است؛ چراکه پلتفرم‌های یادگیری ماشین اغلب در محیط‌های ابری با دسترسی گسترده به منابع سازمانی مستقر می‌شوند و افشای اعتبارنامه‌های ابری از طریق چنین سرویس‌هایی می‌تواند به مهاجم اجازه دهد به بخش‌های به‌مراتب گسترده‌تری از زیرساخت سازمان دسترسی پیدا کند، فراتر از خودِ سرور MLflow.

در مورد FUXA نیز، هدف قرار گرفتن نرم‌افزارهای SCADA/HMI که مستقیماً با تجهیزات فیزیکی و فرایندهای صنعتی در ارتباط هستند، همواره ریسک بالاتری نسبت به نرم‌افزارهای معمول فناوری اطلاعات دارد؛ چراکه یک نفوذ موفق می‌تواند مستقیماً بر ایمنی و پیوستگی عملیات صنعتی تأثیر بگذارد.

توصیه‌های کلی برای مقابله با این تهدیدات

جمع‌بندی

فعال شدن هم‌زمان بهره‌برداری از دو آسیب‌پذیری بحرانی در MLflow و FUXA، بار دیگر نشان می‌دهد فاصله زمانی میان انتشار عمومی جزئیات یک نقص امنیتی و آغاز سوءاستفاده گسترده از آن، به‌طور پیوسته در حال کوتاه‌تر شدن است. برای سازمان‌هایی که از این پلتفرم‌ها — چه در پروژه‌های هوش مصنوعی و چه در محیط‌های صنعتی — استفاده می‌کنند، وصله فوری سامانه‌ها، محدودسازی دقیق دسترسی شبکه‌ای و پایش مستمر رفتار سیستم‌ها دیگر یک گزینه اختیاری نیست، بلکه یک ضرورت آنی برای جلوگیری از نفوذ و افشای اطلاعات حساس به‌شمار می‌رود.

برچسب ها: CVE-2026-64849, امنیت_اطلاعات, امنیت_سایبری, Cyberattack, cybersecurity, news, MLflow

نوشته شده توسط تیم خبر.

چاپ