یک آسیب‌پذیری امنیتی در نسخه 1.5.0 فریم‌ورک InternAgent محصول شرکت InternScience شناسایی شده است. این نقص امنیتی که تحت شناسه CVE-2026-115802 ثبت شده، مربوط به کلاس CWE-829 (گنجاندن قابلیت‌ها از یک حوزه کنترل غیرقابل اعتماد) است و در منطق بارگذاری LoRA رخ می‌دهد.
در این سناریو، تابع train در فایل tasks/AutoChem/code/experiment.py از آرگومان base_model_name_or_path برای تعیین مسیر مدل پایه استفاده می‌کند. اگر مهاجم بتواند این مقدار را تحت تأثیر قرار دهد، می‌تواند سیستم را مجبور کند تا قابلیت‌ها یا کدهای مخربی را از یک منبع غیرقابل اعتماد بارگذاری کند. با این حال، این آسیب‌پذیری به صورت خودکار و غیرفعال (Passive) عمل نمی‌کند؛ بلکه نیازمند تعامل کاربر (User Interaction) است، به این معنا که یک اپراتور مجاز باید فرآیند آموزش را با مقداری که مهاجم دستکاری کرده، اجرا کند.
بر اساس ارزیابی CVSS 4.0، امتیاز این آسیب‌پذیری 5.3 (سطح متوسط) است. تأثیر این حمله عمدتاً بر Integrity (یکپارچگی) سیستم متمرکز است و تأثیر مستقیمی بر محرمانگی (Confidentiality) یا در دسترس بودن (Availability) ندارد. در حال حاضر، یک PoC (اثبات مفهوم) عمومی برای این آسیب‌پذیری وجود دارد، اما تأیید نشده است که آیا در محیط‌های واقعی مورد استفاده قرار گرفته است یا خیر.
اقدامات پیشنهادی برای مقابله:
- اطمینان حاصل کنید که مقدار
base_model_name_or_pathهرگز از ورودی‌های غیرقابل اعتماد یا خارجی دریافت نمی‌شود. - استفاده از یک لیست سفید (Allowlist) برای مسیرهای مدل‌های محلی و تایید شده.
- اعتبارسنجی و استانداردسازی (Canonicalization) مسیرها پیش از بارگذاری LoRA.
- محدود کردن دسترسی به وظایف (Tasks) مربوط به آموزش مدل به اپراتورهای مورد اعتماد و بررسی دقیق مقادیر ورودی قبل از اجرا.
