CVE-2025-46722
vLLM has a Weakness in MultiModalHasher Image Hashing Implementation
En resumen
El sistema de hash de imágenes de vLLM no incluye las dimensiones de la imagen al crear hashes, por lo que dos imágenes de diferentes tamaños con los mismos píxeles pueden confundirse. Esto causa errores de caché y posible fuga de datos.
Detalle técnico
El MultiModalHasher en vllm/multimodal/hasher.py utiliza solo PIL.Image.tobytes() para generar hashes, omitiendo metadatos como ancho, alto y modo, permitiendo colisiones de hash entre imágenes de diferentes dimensiones. Esto resulta en búsquedas incorrectas en caché (CWE-1288: Weak Hashing), potencialmente llevando a acceso no autorizado a salidas de modelo en caché o fuga de datos (CWE-1023: Comparison Using Wrong Factors).
Resumen generado y traducido por IA a partir de la descripción oficial.
vLLM is an inference and serving engine for large language models (LLMs). In versions starting from 0.7.0 to before 0.9.0, in the file vllm/multimodal/hasher.py, the MultiModalHasher class has a security and data integrity issue in its image hashing method. Currently, it serializes PIL.Image.Image objects using only obj.tobytes(), which returns only the raw pixel data, without including metadata such as the image’s shape (width, height, mode). As a result, two images of different sizes (e.g., 30x100 and 100x30) with the same pixel byte sequence could generate the same hash value. This may lead to hash collisions, incorrect cache hits, and even data leakage or security risks. This issue has been patched in version 0.9.0.
CVSS:3.1/AV:N/AC:H/PR:L/UI:N/S:U/C:L/I:N/A:L
Productos afectados
vllm-project · vllm¿Quieres saber si tu infraestructura está expuesta a esto?
Hablar con TrueHacking →