Ruflo AI ਦੇ ਪ੍ਰਮੁੱਖ ਪਲੇਟਫਾਰਮ ਵਿੱਚ ਇੱਕ ਗੰਭੀਰ ਖਾਮੀ ਹੈ – CVE-2026-59726 – ਜਿਸਦਾ Common Vulnerability Scoring System 'ਤੇ ਸਕੋਰ ਪੂਰਾ 10.0 ਹੈ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇੱਕ ਅਣਪਛਾਤਾ (unauthenticated) ਹਮਲਾਵਰ ਕਿਸੇ ਵੀ ਡਿਪਲਾਇਮੈਂਟ 'ਤੇ ਆਪਣੀ ਮਰਜ਼ੀ ਦਾ ਕੋਡ ਚਲਾ ਸਕਦਾ ਹੈ।
ਇਹ ਬੱਗ Ruflo ਦੇ Docker ਕੰਟੇਨਰਾਂ ਦੁਆਰਾ Model Context Protocol (MCP) ਬ੍ਰਿਜ ਨੂੰ ਐਕਸਪੋਜ਼ ਕਰਨ ਦੇ ਤਰੀਕੇ ਤੋਂ ਪੈਦਾ ਹੁੰਦਾ ਹੈ। ਬ੍ਰਿਜ ਦੇ ਪੋਰਟਾਂ ਨੂੰ ਹਰ ਨੈੱਟਵਰਕ ਇੰਟਰਫੇਸ ਨਾਲ ਬੰਨ੍ਹ ਕੇ, ਇਹ ਸੇਵਾ ਇੰਟਰਨੈਟ 'ਤੇ ਕਿਤੇ ਵੀ ਤੋਂ ਪਹੁੰਚਯੋਗ ਹੋ ਜਾਂਦੀ ਹੈ। ਇੱਕ ਵਾਰ ਜਦੋਂ ਕੋਈ ਮਾੜਾ ਵਿਅਕਤੀ (malicious actor) ਖੁੱਲ੍ਹੇ ਪੋਰਟ ਨਾਲ ਸੰਪਰਕ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਬ੍ਰਿਜ ਕੰਟੇਨਰ ਦਾ ਕੰਟਰੋਲ ਲੈ ਸਕਦਾ ਹੈ, ਅੰਡਰਲਾਈਂਗ ਮਾਡਲ ਨੂੰ ਹਾਈਜੈਕ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਕਮਾਂਡਾਂ ਜਾਰੀ ਕਰ ਸਕਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਉਹ ਕੋਈ ਭਰੋਸੇਯੋਗ ਹਿੱਸਾ ਹੋਵੇ।
ਇਹ ਖਾਮੀ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ
- ਰਹਸਾਂ ਦੀ ਚੋਰੀ (Stealing secrets) – ਬ੍ਰਿਜ ਕੋਲ Large Language Model (LLM) API keys ਤੱਕ ਸਿੱਧੀ ਪਹੁੰਚ ਹੁੰਦੀ ਹੈ ਜੋ Ruflo ਦੇ ਇਨਫਰੈਂਸ ਇੰਜਣ ਨੂੰ ਚਲਾਉਂਦੀਆਂ ਹਨ। ਉਹ ਹਮਲਾਵਰ ਜੋ ਉਹਨਾਂ ਕੀਜ਼ (keys) ਨੂੰ ਕਬਜ਼ੇ ਵਿੱਚ ਲੈ ਲੈਂਦਾ ਹੈ, ਉਹ ਪੀੜਤ ਦੇ ਖਰਚੇ 'ਤੇ ਅਸੀਮਤ ਕੁਏਰੀਆਂ (queries) ਚਲਾ ਸਕਦਾ ਹੈ।
- ਨਿੱਜੀ ਚੈਟਾਂ ਪੜ੍ਹਨਾ – ਉਪਭੋਗਤਾ ਦੀਆਂ ਗੱਲਾਂਬਾਤਾਂ ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਮਾਡਲ ਦੀ ਮੈਮੋਰੀ ਦੇ ਅੰਦਰ ਰਹਿੰਦੀਆਂ ਹਨ, ਉਹ ਪੜ੍ਹਨਯੋਗ ਹੋ ਜਾਂਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਸੰਭਾਵੀ ਸੰਵੇਦਨਸ਼ੀਲ ਵਪਾਰਕ ਜਾਂ ਨਿੱਜੀ ਡੇਟਾ ਖੁੱਲ੍ਹ ਸਕਦਾ ਹੈ।
- AI ਮੈਮੋਰੀ ਨੂੰ ਜ਼ਹਿਰੀਲਾ ਕਰਨਾ (Poisoning AI memory) – ਹਮਲਾਵਰ ਮਾਡਲ ਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਮੈਮੋਰੀ ਵਿੱਚ ਮਾੜਾ ਡੇਟਾ ਪਾ ਸਕਦਾ ਹੈ। ਬ੍ਰੀਚ (breach) ਨੂੰ ਪੈਚ ਕਰਨ ਤੋਂ ਬਾਅਦ ਵੀ, ਇਹ ਜ਼ਹਿਰੀਲੀ ਸਥਿਤੀ ਬਣੀ ਰਹਿ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ AI ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਵਿਵਹਾਰ ਕਰ ਸਕਦਾ ਹੈ ਜਾਂ ਪੱਖਪਾਤੀ ਨਤੀਜੇ ਦੇ ਸਕਦਾ ਹੈ।
ਮੈਮੋਰੀ ਪੋਇਜ਼ਨਿੰਗ (Memory poisoning) ਖਾਸ ਤੌਰ 'ਤੇ ਖਤਰਨਾਕ ਹੈ ਕਿਉਂਕਿ ਇਸਦਾ ਨੁਕਸਾਨ ਸ਼ੁਰੂਆਤੀ ਐਕਸਪਲੋਇਟ ਤੋਂ ਵੀ ਵੱਧ ਸਮੇਂ ਤੱਕ ਰਹਿੰਦਾ ਹੈ; ਸਿਰਫ਼ ਕੋਡ ਨੂੰ ਠੀਕ ਕਰਨ ਨਾਲ ਭ੍ਰਿਸ਼ਟ ਮਾਡਲ ਸਥਿਤੀ ਸਾਫ਼ ਨਹੀਂ ਹੁੰਦੀ।
ਆਪਰੇਟਰਾਂ ਲਈ ਤੁਰੰਤ ਕਦਮ
- ਅੱਪਗ੍ਰੇਡ (Upgrade) – Rufio AI ਵਰਜ਼ਨ 3.16.3 'ਤੇ ਜਾਓ, ਜੋ ਅਸੁਰੱਖਿਅਤ ਬਾਈਂਡਿੰਗ ਨੂੰ ਅਯੋਗ ਕਰਦਾ ਹੈ ਅਤੇ ਸਖ਼ਤ ਨੈੱਟਵਰਕ ਆਇਸੋਲੇਸ਼ਨ ਜੋੜਦਾ ਹੈ।
- ਕ੍ਰੈਡੈਂਸ਼ੀਅਲਜ਼ ਰੋਟੇਟ ਕਰੋ (Rotate credentials) – ਨਵੀਆਂ LLM API keys ਬਣਾਓ ਅਤੇ ਕਿਸੇ ਵੀ ਚੋਰੀ ਕੀਤੇ ਗਏ ਟੋਕਨਾਂ ਨੂੰ ਰੋਕਣ ਲਈ ਪੁਰਾਣੀਆਂ ਨੂੰ ਰੱਦ ਕਰ ਦਿਓ।
- ਡਿਪਲਾਇਮੈਂਟਸ ਦਾ ਆਡਿਟ ਕਰੋ (Audit deployments) – ਅਣਪਛਾਤੇ MCP ਟ੍ਰੈਫਿਕ ਲਈ ਲੌਗਸ (logs) ਦੀ ਜਾਂਚ ਕਰੋ, ਖੁੱਲ੍ਹੇ ਪੋਰਟਾਂ 'ਤੇ ਚੱਲ ਰਹੇ ਅਣਜਾਣ ਕੰਟੇਨਰਾਂ ਦੀ ਭਾਲ ਕਰੋ, ਅਤੇ ਪੁਸ਼ਟੀ ਕਰੋ ਕਿ ਮਾਡਲ ਮੈਮੋਰੀ ਵਿੱਚ ਕੋਈ ਅਣਅਧਿਕਾਰਤ ਤਬਦੀਲੀ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ।
ਵਿਆਪਕ ਤਸਵੀਰ
Ruflo AI ਨੇ ਆਪਣੇ ਆਪ ਨੂੰ ਉਹਨਾਂ ਉੱਦਮਾਂ (enterprises) ਲਈ ਇੱਕ ਮੁੱਖ ਹੱਲ ਵਜੋਂ ਪੇਸ਼ ਕੀਤਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਆਨ-ਪ੍ਰੇਮਿਸ (on-premise) ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੀ ਲੋੜ ਹੈ। ਇਹ ਕਮਜ਼ੋਰੀ ਉਸ ਵਾਅਦੇ ਨੂੰ ਤੋੜਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਨੂੰ ਵਧੇਰੇ ਸੁਰੱਖਿਅਤ ਵਿਕਲਪਾਂ ਦੀ ਵਕਾਲਤ ਕਰਨ ਦਾ ਮੌਕਾ ਮਿਲਦਾ ਹੈ। ਗਾਹਕਾਂ ਲਈ, ਇਸਦੀ ਕੀਮਤ ਸਿਰਫ਼ ਇੱਕ ਸਾਫਟਵੇਅਰ ਅੱਪਗ੍ਰੇਡ ਨਹੀਂ ਹੈ; ਇਹ ਇੱਕ ਸੰਭਾਵੀ ਡੇਟਾ ਬ੍ਰੀਚ, ਵਿਸ਼ਵਾਸ ਦੀ ਕਮੀ, ਅਤੇ ਜ਼ਹਿਰੀਲੇ AI ਮਾਡਲਾਂ ਨੂੰ ਸਾਫ਼ ਕਰਨ ਦਾ ਖਰਚਾ ਹੈ।
ਕੁਝ ਸੁਰੱਖਿਆ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਹ ਸਮੱਸਿਆ ਉਦੋਂ ਹੀ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ ਜਦੋਂ ਡਿਫੌਲਟ Docker ਕਨਫਿਗਰੇਸ਼ਨ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਬਦਲਾਅ ਦੇ ਛੱਡ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਜੋ ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਸੁਚੇਤ ਓਪਸ (ops) ਟੀਮਾਂ ਇਸ ਤੋਂ ਬਚ ਸਕਦੀਆਂ ਸਨ। ਹਾਲਾਂਕਿ ਕਨਫਿਗਰੇਸ਼ਨ ਦੀ ਸਫਾਈ ਹਮੇਸ਼ਾ ਸਲਾਹਯੋਗ ਹੁੰਦੀ ਹੈ, ਪਰ ਇਹ ਤੱਥ ਕਿ ਇੱਕ ਗਲਤੀ ਪੂਰਾ ਰਿਮੋਟ-ਕੋਡ-ਐਗਜ਼ੀਕਿਊਸ਼ਨ (remote-code-execution) ਵੈਕਟਰ ਖੋਲ੍ਹ ਦਿੰਦੀ ਹੈ, ਜੋਖਮ ਨੂੰ ਇੰਨਾ ਵਧਾ ਦਿੰਦਾ ਹੈ ਕਿ ਇਸਨੂੰ "ਸਿਰਫ਼ ਇੱਕ ਮਾੜੀ ਸੈੱਟਅੱਪ" ਵਜੋਂ ਨਹੀਂ ਲਿਆ ਜਾ ਸਕਦਾ।
ਕੀ ਦੇਖਣਾ ਹੈ
- ਬਾਕੀ ਰਹਿੰਦੀ ਮੈਮੋਰੀ ਪ੍ਰਦੂਸ਼ਣ ਨੂੰ ਹੱਲ ਕਰਨ ਵਾਲੇ ਕਿਸੇ ਵੀ ਫਾਲੋ-ਅੱਪ ਪੈਚ ਲਈ Ruflo ਦੀਆਂ ਸੁਰੱਖਿਆ ਸਲਾਹਾਂ (security advisories) ਦੀ ਪਾਲਣਾ ਕਰੋ।
- ਅਸਲ ਵਰਤੋਂ (in the wild) ਵਿੱਚ ਐਕਸਪਲੋਇਟ ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਲਈ ਕਮਿਊਨਿਟੀ ਫੋਰਮਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰੋ।
- ਨੈੱਟਵਰਕ ਫਾਇਰਵਾਲ ਲਗਾਉਣ ਬਾਰੇ ਵਿਚਾਰ ਕਰੋ ਜੋ MCP ਬ੍ਰਿਜ ਤੱਕ ਬਾਹਰੀ ਪਹੁੰਚ ਨੂੰ ਰੋਕਦੇ ਹਨ, ਭਾਵੇਂ ਕੰਟੇਨਰ ਸਹੀ ਤਰ੍ਹਾਂ ਕਨਫਿਗਰ ਕੀਤਾ ਗਿਆ ਹੋਵੇ।
ਨਿਚੋੜ: ਇੱਕ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤੇ ਜਾਣ ਵਾਲੇ AI ਪਲੇਟਫਾਰਮ ਵਿੱਚ ਪੂਰੇ ਸਕੋਰ ਵਾਲੀ ਕਮਜ਼ੋਰੀ ਤੁਰੰਤ ਅੱਪਗ੍ਰੇਡ, ਕ੍ਰੈਡੈਂਸ਼ੀਅਲ ਰੋਟੇਸ਼ਨ, ਅਤੇ ਹਰ ਪ੍ਰਭਾਵਿਤ ਡਿਪਲਾਇਮੈਂਟ ਦੇ ਡੂੰਘੇ ਪੋਸਟ-ਮੋਰਟਮ ਦੀ ਮੰਗ ਕਰਦੀ ਹੈ। ਇਸ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਡੇਟਾ ਚੋਰੀ, ਨਿੱਜਤਾ ਦੀ ਉਲੰਘਣਾ, ਅਤੇ ਇੱਕ ਅਜਿਹੇ ਖਤਰੇ ਵਾਲੇ AI ਨੂੰ ਸੱਦਾ ਦਿੰਦਾ ਹੈ ਜੋ ਸ਼ਾਇਦ ਕਦੇ ਵੀ ਆਪਣੇ ਅਸਲ ਵਿਵਹਾਰ ਨੂੰ ਵਾਪਸ ਨਾ ਲਿਆ ਸਕੇ।