CVE-2026-22773vLLM是一个用于大型语言模型(LLM)的高性能推理和服务引擎。在0.6.4到0.12.0之前的版本中,存在一个拒绝服务漏洞。攻击者可以通过发送特制的1x1像素图像来崩溃vLLM引擎服务使用Idefics3视觉模型实现的多模态模型。该漏洞的根本原因在于Idefics3视觉模型实现中缺少对输入图像尺寸的充分验证,当接收到极小尺寸(如1x1像素)的图像时,会导致张量维度不匹配,产生未处理的运行时错误,最终导致服务进程完全终止。由于CVSS评分中可用性影响为高(H),攻击成功将造成服务不可用,影响业务连续性。该漏洞需要较低权限即可利用,攻击复杂度低,无需用户交互,具有较高的实际威胁性。
该漏洞源于vLLM的Idefics3视觉模型实现中缺乏对输入图像尺寸的边界检查。在正常的图像处理流程中,视觉模型会将输入图像转换为张量进行特征提取。当收到1x1像素的特制图像时,图像预处理管道中的张量操作会产生维度不匹配。具体来说,Idefics3模型在处理图像时会进行尺寸调整和分块操作,1x1像素图像会导致某些维度计算结果为0或负数,触发PyTorch张量操作的异常。由于代码中缺少对这些边界情况的异常捕获处理,Python运行时错误未被正确处理,导致整个服务进程崩溃。攻击者只需构造一个标准的1x1像素图像文件,通过vLLM的API接口发送推理请求即可触发漏洞。此漏洞影响所有使用vLLM服务Idefics3多模态模型的部署。