开源TensorFlow机器学习框架存在漏洞，黑客可借此发起供应链攻击

在开源TensorFlow机器学习框架中发现的开源框架客持续集成与持续交付（CI/CD）配置错误，可能被利用来发起供应链攻击。机器借此击

TensorFlow 是学习谷歌的开发者创造的一款开源的深度学习框架，于 2015 年发布。存漏TensorFlow 现已被公司、洞黑企业与创业公司广泛用于自动化工作任务和开发新系统 ，发起其在分布式训练支持、链攻可扩展的开源框架客生产和部署选项、多种设备（比如安卓）支持方面备受好评
。机器借此击

Praetorian的学习研究员Adnan Khan和John Stawinski在本周发布的源码库一份报告中表示，这些配置错误可能被攻击者利用来“通过恶意拉取请求（pull request） ，存漏在GitHub和PyPi上对TensorFlow版本实施供应链妥协 ，洞黑从而危及TensorFlow的发起构建代理”，

通过利用这些漏洞
，链攻攻击者可将恶意版本上传到GitHub仓库，开源框架客并获得自托管GitHub运行器（runner）上的远程代码执行权限 ，甚至检索tensorflow-jenkins用户的GitHub个人访问令牌（PAT）。

TensorFlow使用GitHub Actions自动化软件构建 、测试和部署流程。运行器指的是执行GitHub Actions工作流中任务的服务器租用机器，可以自托管，也可以由GitHub托管 。

GitHub在其文档中写道 ，“建议用户仅在私有仓库中使用自托管运行器，因为公共仓库的分支可能通过创建执行危险代码的工作流拉取请求，在您的自托管运行器机器上运行潜在危险的代码。”

换言之，这允许任何贡献者通过提交恶意拉取请求，在自托管运行器上执行任意代码 。然而 
，这并不会对GitHub托管的建站模板运行器构成任何安全问题，因为每个运行器都是短暂的，并且是一个干净 、隔离的虚拟机，在任务执行结束后就会被销毁。

Praetorian表示 
，它能够识别在自托管运行器上执行的TensorFlow工作流，随后发现以前的贡献者提交的分支拉取请求自动触发了相应的CI/CD工作流，源码下载且无需批准。

因此，一个想要对目标仓库进行木马化的攻击者的操作是这样的 ，他会修正一个拼写错误或进行一个小但合法的代码更改，为此创建一个拉取请求，然后等待拉取请求被合并，以成为一个贡献者 。这将使他们能够在创建恶意拉取请求时执行代码，而不会引起任何警告。

进一步检查工作流日志显示，自托管运行器不仅是免费模板非短暂性的（从而为持久性打开了大门） ，而且与工作流相关的GITHUB_TOKEN权限包含了广泛的写权限。

研究人员指出“因为GITHUB_TOKEN拥有contents:write权限 ，它可以上传版本到https://github[.]com/tensorflow/tensorflow/releases/ ，攻击者如果危及这些GITHUB_TOKEN，就可以在发布资产中添加他们自己的文件
。”而contents:write权限可以被用来直接向TensorFlow仓库推送代码，通过秘密地将恶意代码注入到一个特性分支，并将其合并到主分支
。

不仅如此 ，一个威胁行为者还可以窃取
，在发布工作流中用于认证Python包索引（PyPI）注册表的云计算AWS_PYPI_ACCOUNT_TOKEN，并上传一个恶意的Python .whl文件，以便有效地污染包 。

“攻击者还可以利用GITHUB_TOKEN的权限来危及JENKINS_TOKEN仓库密钥，尽管这个密钥并未在自托管运行器上运行的工作流中使用。”

随着越来越多的组织自动化他们的CI/CD流程 
，类似的CI/CD攻击正在上升 。“人工智能/机器学习公司尤其脆弱，因为他们的许多工作流需要大量的计算能力 ，这在GitHub托管的运行器中是不可用的 ，因此自托管运行器很普遍 。”

这一披露是在两位研究员揭示了包括与Chia网络、微软DeepSpeed和PyTorch相关的多个公共GitHub仓库 ，都容易受到通过自托管GitHub Actions运行器注入恶意代码的攻击。

参考来源 ：https://thehackernews.com/2024/01/tensorflow-cicd-flaw-exposed-supply.html