微信扫码
添加专属顾问
我要投稿
腾讯悟空团队揭秘AI Agent如何精准挖掘LLaMA-Factory高危漏洞,展现自动化安全审计新突破。 核心内容: 1. LLaMA-Factory框架简介及其安全风险发现 2. 悟空AI Agent多智能体协作挖掘漏洞的实战过程 3. 漏洞修复方案与官方响应细节
在前文Agent“生产线”曝光!》" data-itemshowtype="0" linktype="text" data-linktype="2">《0day漏洞量产?AI Agent“生产线”曝光!》中,我们揭示了悟空AI Agent的架构与自动化漏洞挖掘能力。本次,我们将以53K Star的开源明星项目LLaMA-Factory为战场,详细展示悟空AI Agent如何在实际场景中,精准挖掘高危远程代码执行0day漏洞(CVE-2025-53002),并推动官方修复的技术实战。
LLaMA-Factory是一个功能强大且用户友好的开源框架,在 GitHub 上斩获了超过 53K Stars,专注于大语言模型(LLM)的高效微调(Fine-tuning)。凭借其易用性和灵活性,LLaMA-Factory 已成为许多开发者和研究团队进行模型训练与部署的首选工具。
(图:LLaMA-Factory Github Index)
然而,面对这样的大型开源社区项目,当我们使用悟空AI Agent对其进行深度安全审计时,也能发现潜在的安全风险,成功识别了一个严重的远程代码执行漏洞:CVE-2025-53002(CVSS v3.1: 8.3)。
(图:LLaMA-Factory GithubStarHistory)
悟空AI Agent在此次漏洞挖掘中展示了其强大的自动化漏洞挖掘能力,特别是在多智能体协作架构(Multi-Agent)的支持下,突破了传统手段的限制。通过以下几个关键阶段,悟空AI Agent逐步发现了漏洞的核心:
● Audit Agent: 首先,Audit Agent负责从Web UI输入追踪到后台的数据处理参数及接口,从入口出发追踪目标数据流,并自动决策对下层调用函数的展开分析,直至发现存在漏洞特征的危险函数调用(不安全的反序列化 API 调用)。
● Review Agent: 随后,Review Agent对 Audit Agent所提取的漏洞相关代码信息进行进一步分析,通过多重校验与投票机制评估该漏洞触发的约束条件,确定其可利用性。
● Fix Agent:最终,Fix Agent基于CVEs数据库和内部知识库生成了漏洞修复建议,形成了具体的修复方案。
(图:悟空AI Agent 架构图)
悟空AI Agent在此过程中展现了卓越的程序分析与漏洞发现能力,能够穿透复杂逻辑链,精确定位到不安全的反序列化操作(torch.load)及其触发路径。悟空AI Agent不仅为传统的漏洞挖掘方法提供了补充,也为自动化安全审计提供了可行的解决方案。
在确认该漏洞有效后,我们立即通过GitHub Security Advisories渠道向LLaMA-Factory官方团队提交了详尽的技术报告(含PoC复现步骤,已同步报送CNVD等监管单位)。
LLaMA-Factory团队对此高度重视,迅速确认了漏洞的有效性和严重性。并颁发CVE漏洞编号。
(图:Github官方项目Security公告)
官方对src/llamafactory/model/model_utils/valuehead.py 的关键代码进行了加固:在torch.load()调用中显式添加了安全参数 weights_only=True,从根本上阻断了利用Pickle反序列化执行任意代码的可能性。
# src/llamafactory/model/model_utils/valuehead.py
- state_dict = torch.load(vhead_file, map_location="cpu")
+ state_dict = torch.load(vhead_file, map_location="cpu", weights_only=True)
▲ 关键补丁:启用PyTorch安全模式阻断反序列化攻击
在 LLaMA Factory 的训练过程中,发现一处严重的远程命令执行(RCE)漏洞。该漏洞源于加载 vhead_file 时未采取充分的安全措施。恶意攻击者仅需通过 WebUI 界面传递一个恶意的 Checkpoint path 参数,即可在宿主系统上执行任意恶意代码。整个攻击过程具有隐蔽性,受害者难以察觉。漏洞的根本原因是加载 vhead_file 参数时,未设置安全参数 weights_only=True。
注意: 在 torch 版本 < 2.6 中,torch.load() 的默认设置为 weights_only=False。而 LLaMA Factory 的 setup.py 仅要求 torch>=2.0.0,使得受影响版本默认处于不安全状态。
影响范围
该漏洞影响的范围包括所有使用LLaMA-Factory框架的版本(<=0.9.3)。受影响的产品涉及广泛的应用场景,包括大语言模型的训练与推理。
风险等级
CVSS 3.1评分为8.3(高危),表明该漏洞对安全性构成了极大的威胁。
CVE-2025-53002漏洞的存在使得攻击者能够通过精心构造的恶意文件,在LLaMA-Factory框架中实现远程代码执行,严重威胁使用该框架进行大语言模型训练和推理的组织。
成功利用此漏洞后,攻击者能够执行任意恶意代码,可能导致权限提升、信息泄露、数据篡改等一系列恶劣后果,甚至可能破坏整个AI基础设施的安全性。
1. 在 LLaMA Factory 的 WebUI 中,当用户设置 Checkpoint path 时,该值会修改传递给训练过程的 adapter_name_or_path 参数。
(图:相关代码位置:src/llamafactory/webui/runner.py)
2. 训练过程中使用的 adapter_name_or_path 参数,在 src/llamafactory/model/model_utils/valuehead.py 文件中用于从 Hugging Face 获取对应的 value_head.bin 文件。
3. 随后,该文件通过 torch.load() 加载,但未设置安全参数 weights_only=True,最终导致远程代码执行。
(图:相关代码位置:src/llamafactory/model/model_utils/valuehead.py)
本次对LLaMA-Factory的实战审计,展示了悟空AI Agent在真实、复杂开源项目中发现高危漏洞的效率与能力。它不仅缩短了漏洞从潜伏到被发现的时间窗口,也通过标准化的报告流程加速了厂商响应与修复。未来,AI Agent将在网络安全领域扮演越来越核心的角色:
1. 自动化深度审计:实现对大型项目、复杂代码的高效、深度、持续的全自动安全审查。
2. 0day威胁预警:主动挖掘未知漏洞,从漏洞利用链上精准识别0day漏洞,提升整体防御前置性。
3. 安全开发左移:集成至CI/CD流程,辅助开发者在早期规避安全缺陷,降低修复成本。
悟空AI Agent的探索将持续深化,致力于推动安全研究与实践迈入智能化新纪元。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2025-08-15
POML:体验微软开源的Prompt工程语言
2025-08-15
n8n vs Dify:我用两个神器写 AI Agent 后的真心话与避坑指南
2025-08-15
独立开发者“穷鬼套餐”:AI编程与Web部署的极致省钱攻略
2025-08-15
Dify安装攻略,轻松上手AI应用开发
2025-08-14
谷歌开源LangExtract:三行代码把“文本矿山”变结构化黄金,AI信息抽取从未如此简单!
2025-08-14
开源Manus,超级麦吉是认真的(附500个邀请码)
2025-08-13
OpenAI GPT-OSS深度解析:架构、生态系统与战略意图
2025-08-13
Embedding Atlas:苹果开源的高性能向量可视化工具
2025-07-23
2025-06-17
2025-06-17
2025-07-23
2025-08-05
2025-07-14
2025-07-12
2025-07-27
2025-07-29
2025-07-29