Ollama-sårbarhed eksponerer brugerchats og API-nøgler

Ollama-sårbarheden skaber store sikkerhedsbekymringer efter, at forskere opdagede, at angribere kan lække følsomme hukommelsesdata fra eksponerede AI-servere. Fejlen giver uautoriseret adgang til brugerchats, API-nøgler, systemprompts og miljøvariabler, som er lagret i serverhukommelsen.

Forskere advarer om, at tusindvis af internetforbundne Ollama-installationer allerede kan være eksponerede. Mange organisationer bruger Ollama til at køre lokale AI-modeller knyttet til interne forretningssystemer, hvilket kan få alvorlige konsekvenser for virksomheder, der håndterer fortrolige oplysninger.

Sårbarheden påvirker Ollama, en open source-platform designet til at køre store sprogmodeller lokalt i stedet for gennem cloudbaserede AI-leverandører.

Sådan fungerer Ollama-sårbarheden

Ollama-sårbarheden involverer forkert håndtering af GGUF-modelfiler, som platformen bruger. Angribere kan oprette en skadelig modelfil, der tvinger Ollama til at få adgang til hukommelse uden for de normale grænser.

Forskerne forklarer, at angrebet kun kræver et lille antal uautentificerede API-anmodninger. Når angrebet aktiveres, kan sårbarheden eksponere følsomme data, som ligger i aktiv hukommelse.

Lækkede oplysninger kan omfatte:

• Brugersamtaler
• API-legitimationsoplysninger
• Systemprompts
• Adgangstokens
• Miljøvariabler
• Interne applikationsdata

Angrebet bliver særligt farligt, fordi Ollama indeholder indbyggede funktioner til modeldeling. Angribere kan potentielt bruge disse funktioner til at overføre stjålne oplysninger eksternt.

Forskerne beskriver udnyttelsesprocessen som forholdsvis enkel og mulig at gennemføre uden autentificering.

Eksponerede Ollama-servere øger risikoen

Ollama-sårbarheden bliver langt mere alvorlig, fordi mange installationer stadig er offentligt tilgængelige online. Sikkerhedsforskere har tidligere identificeret store mængder eksponerede Ollama-servere, som er direkte forbundet til internettet uden tilstrækkelig beskyttelse.

Ollama blev oprindeligt udviklet til lokal brug og aktiverer ikke autentificering som standard. Alligevel konfigurerer mange administratorer softwaren til at acceptere eksterne netværksforbindelser uden at tilføje ekstra sikkerhedslag.

Dette skaber en stor angrebsflade for cyberkriminelle, der leder efter eksponeret AI-infrastruktur.

Organisationer bruger i stigende grad Ollama til interne AI-assistenter, udviklingsworkflows, automatiseringssystemer og kodeværktøjer. Disse miljøer behandler ofte følsomme virksomhedsoplysninger, som kan blive eksponeret under et angreb.

Kompromitterede servere kan lække interne dokumenter, kommunikation, legitimationsoplysninger, kildekode eller kundeoplysninger.

Sikkerhedsopdatering er tilgængelig

Forskere bekræfter, at nyere versioner af Ollama indeholder rettelser til sårbarheden. Sikkerhedseksperter anbefaler kraftigt, at organisationer opdaterer eksponerede systemer med det samme og begrænser ekstern adgang, hvor det er muligt.

Yderligere sikkerhedsanbefalinger omfatter:

• Placering af Ollama bag firewalls
• Brug af autentificeringsgateways
• Deaktivering af unødvendig offentlig adgang
• Overvågning af logs for mistænkelig aktivitet
• Gennemgang af eksponeret AI-infrastruktur

Organisationer med offentligt tilgængelige installationer bør også undersøge, om angribere tidligere har fået adgang til deres systemer.

Hændelsen viser, hvor hurtigt AI-infrastruktur er ved at blive et attraktivt mål for cyberkriminelle.

Konklusion

Ollama-sårbarheden viser, hvordan eksponeret AI-infrastruktur kan skabe alvorlige sikkerhedsrisici for organisationer, der bruger lokalt hostede sprogmodeller. Angribere kan udnytte fejlen til at lække brugerchats, API-nøgler og følsomme hukommelsesdata fra sårbare servere.

Efterhånden som virksomheder tager lokale AI-systemer i brug i større omfang, bliver sikringen af disse miljøer stadig vigtigere. Organisationer, der bruger Ollama, bør opdatere berørte systemer med det samme og gennemgå, hvordan deres AI-infrastruktur er forbundet til eksterne netværk.