PT-2021-18300 · Google · Tensorflow
Yakun Zhang
+1
·
Publicado
2021-05-14
·
Atualizado
2024-03-06
·
CVE-2021-29549
CVSS v3.1
5.5
Média
| Vetor | AV:L/AC:L/PR:L/UI:N/S:U/C:N/I:N/A:H |
Nome do software vulnerável e versões afetadas
Versões do TensorFlow anteriores à 2.5.0
Versões do TensorFlow 2.4.1 e anteriores
Versões do TensorFlow 2.3.2 e anteriores
Versões do TensorFlow 2.2.2 e anteriores
Versões do TensorFlow 2.1.3 e anteriores
Descrição
Um invasor pode causar um erro de divisão por zero em tempo de execução e negação de serviço em
tf.raw ops.QuantizedBatchNormWithGlobalNormalization e tf.raw ops.QuantizedAdd. Isso ocorre porque a implementação calcula uma operação de módulo sem validar se o divisor é diferente de zero. Como vector num elements é determinado com base nos formatos de entrada, um usuário pode provocar cenários em que essa quantidade seja 0.Recomendações
Para versões do TensorFlow anteriores à 2.5.0, atualize para o TensorFlow 2.5.0 ou posterior.
Para versões do TensorFlow 2.4.1 e anteriores, atualize para o TensorFlow 2.4.2 ou posterior.
Para versões do TensorFlow 2.3.2 e anteriores, atualize para o TensorFlow 2.3.3 ou posterior.
Para versões do TensorFlow 2.2.2 e anteriores, atualize para o TensorFlow 2.2.3 ou posterior.
Para versões do TensorFlow 2.1.3 e anteriores, atualize para o TensorFlow 2.1.4 ou posterior.
Como solução temporária, considere desativar as funções
tf.raw ops.QuantizedBatchNormWithGlobalNormalization e tf.raw ops.QuantizedAdd até que um patch esteja disponível. Restrinja o acesso aos módulos vulneráveis para minimizar o risco de exploração. Evite usar a variável vector num elements nos pontos de extremidade da API afetados até que o problema seja resolvido.Exploit
Correção
Divide By Zero
Encontrou algum problema na descrição? Tem algo a acrescentar? Fique à vontade para nos escrever 👾
Enumeração de Fraquezas
Identificadores relacionados
Produtos afetados
Tensorflow