1100台Ollama AI服务器暴露于互联网 其中20%存在安全漏洞
内容提要
一项调查发现，超过1100个Ollama实例暴露在互联网上，形成严重安全漏洞。美国、中国和德国是主要受影响国家。20%的实例正在提供服务，攻击者可能利用这些漏洞进行模型提取和后门注入，威胁AI系统安全。
关键要点
-
超过1100个Ollama实例暴露在互联网上，形成严重安全漏洞。
-
美国、中国和德国是主要受影响国家，分别占36.6%、22.5%和8.9%。
-
约20%的暴露实例正在提供服务，攻击者可能立即利用这些漏洞。
-
其余80%的实例虽非活跃，但仍构成重大安全风险。
-
活跃实例中记录了多种模型部署情况，包括mistral:latest、llama3.1:8b和smollm2:135m。
-
攻击者可通过系统查询重建内部模型权重和参数，进行模型提取。
-
攻击者还可通过暴露的API上传恶意模型或更改服务器配置，存在后门注入风险。
延伸解读
安全风险分析
Ollama实例的暴露不仅影响了当前的服务安全，还可能导致长期的安全隐患。攻击者可以利用这些漏洞进行模型提取和后门注入，进而影响依赖这些模型的其他系统。因此，组织在部署AI基础设施时，必须重视安全控制和认证机制的建立。
全球影响与应对
美国、中国和德国是受影响最严重的国家，这反映出全球范围内AI基础设施的安全性亟待提升。各国应加强对AI系统的监管，确保在技术快速发展的同时，安全措施能够跟上，以防止潜在的网络攻击和数据泄露。
活跃与非活跃实例的风险
尽管80%的Ollama实例被标记为非活跃，但它们仍然构成了安全风险。这些实例可能被攻击者利用进行潜在的攻击，因此，组织应定期审查和清理不再使用的实例，以降低安全漏洞的风险。
延伸问答
Ollama实例暴露的主要国家有哪些？
主要受影响国家包括美国、中国和德国，分别占36.6%、22.5%和8.9%。
暴露的Ollama实例中有多少正在提供服务？
约20%的暴露实例正在提供服务。
攻击者如何利用暴露的Ollama实例？
攻击者可以通过系统查询重建内部模型权重和参数，进行模型提取，或通过暴露的API上传恶意模型。
除了模型提取，还有哪些安全风险存在？
攻击者还可能通过暴露的API更改服务器配置，存在后门注入的风险。
Ollama实例暴露的原因是什么？
这些实例缺乏适当的安全控制、认证机制或网络边界防护，导致暴露于互联网。
暴露的Ollama实例中有哪些模型被记录？
记录的模型包括mistral:latest、llama3.1:8b和smollm2:135m。
