CVE-2025-63397CVE-2025-63397是OneFlow深度学习框架v0.9.0版本中的一个输入验证不当漏洞。该漏洞由于OneFlow在处理Python序列与本机代码之间的广播(broadcasting)和类型转换(type conversion)操作时,缺乏充分的输入验证机制。攻击者可以通过构造特定的Python序列数据,并将其传递给本机代码执行环境,触发分段错误(segmentation fault),导致应用程序崩溃或服务中断。OneFlow是一个由Oneflow-Inc开发的开源深度学习框架,其核心计算逻辑涉及Python与C++/CUDA本机代码的交互。当用户在执行张量运算时,如果输入数据未经过适当的类型和边界检查,直接传递给底层本机代码,可能会导致内存访问违规。此漏洞的CVSS评分为6.5,属于中等严重程度,攻击复杂度低,无需认证即可利用,对可用性造成低影响。由于该漏洞可能导致深度学习训练任务中断,建议用户及时关注官方修复更新。
该漏洞的根本原因在于OneFlow v0.9.0在Python层与本机代码层之间的接口处缺少严格的输入验证。具体来说,当执行broadcasting操作或数据类型转换时,系统未能正确验证Python序列对象的结构、长度和元素类型,导致攻击者可以构造恶意输入使本机代码产生内存访问错误。攻击者可以利用Python API向本机函数传递精心设计的序列数据,例如长度不一致的多维列表或超出预期的数据类型,这些数据在传递给C++/CUDA底层实现时未被正确处理。分段错误通常发生在以下场景:1) 数组索引越界访问;2) 空指针解引用;3) 栈缓冲区溢出;4) 内存对齐错误。当这些异常情况发生时,操作系统会向进程发送SIGSEGV信号,导致进程立即终止。由于OneFlow的深度学习计算通常涉及大量张量数据的批量处理,攻击者可以通过构造特定的输入数据来稳定触发该漏洞,实现对训练服务或推理服务的拒绝服务攻击。