CVE-2026-49121: Execução remota de código não autenticada por desserialização de pickle no AI Tensor Engine for ROCm (AITER)
O AITER (AI Tensor Engine for ROCm) até a versão 0.1.14 desserializa dados pickle recebidos em MessageQueue.recv() sem autenticação, HMAC ou validação de formato, o que o registro associa a execução remota de código não autenticada. A NVD classifica como crítica, com pontuação base 9.8, e o registro indica que workers leitores remotos alcançáveis podem ser afetados. O CISA KEV não lista a falha e as fontes consultadas não confirmam exploração in the wild.
Visão geral
O AITER (AI Tensor Engine for ROCm) até a versão 0.1.14 contém uma falha de execução remota de código não autenticada, classificada como CWE-502, desserialização de dados não confiáveis. O problema está em MessageQueue.recv() no arquivo shm_broadcast.py, onde mensagens recebidas são desserializadas com pickle sem autenticação, HMAC ou validação de formato.
Impacto
- A pontuação base 9.8 da NVD classifica os impactos de confidencialidade, integridade e disponibilidade como altos, sem exigir privilégios nem interação do usuário.
- Segundo o registro, o código pode ser executado como o processo worker de inferência em cada worker leitor remoto, o que significa que uma exploração bem-sucedida poderia afetar todos os leitores alcançáveis de uma vez.
- O registro não descreve os dados concretos em risco; quaisquer consequências além da execução de código no processo worker são uma inferência.
Produtos e versões afetadas
- AMD Aiter e ROCm Aiter aparecem no registro com versões até 0.1.14 (registradas como menores ou iguais a 0.1.14).
- O registro não informa um número de versão corrigida. Consulte a referência de correção no pull request 3170 do GitHub para identificar o código corrigido.
Status de exploração
- O CISA KEV não lista este CVE, portanto o registro não comprova exploração ativa.
- Nenhuma exploração confirmada in the wild aparece nas fontes consultadas.
- A probabilidade EPSS é 0.01514, com percentil 0.74318, e o SSVC indica exploração em nível de prova de conceito e automatizável como não.
Correção e mitigação
- Revise a referência de correção no pull request 3170 e atualize para uma versão que a inclua, após validar a versão corrigida no aviso do fornecedor ou do projeto.
- Revise a discussão de mitigação na issue 3076 para medidas provisórias.
- Restrinja o alcance de rede do endpoint XPUB do writer e dos canais ZMQ apenas a hosts confiáveis.
- Não desserialize dados pickle de fontes não confiáveis; prefira formatos que não executem código no carregamento.
Orientação para detecção
- Faça um inventário dos hosts com AITER e identifique os que estão na faixa afetada ou abaixo dela.
- Monitore conexões de entrada inesperadas nas portas de broadcast de mensagens e processos filhos ou conexões de saída inesperadas partindo dos processos worker de inferência.
- Audite a configuração dos endereços de assinatura remota usados nos handles do cluster.
Limitações das informações disponíveis
- O registro não fornece uma string de versão corrigida nem detalhes de prova de conceito no conteúdo recebido.
- As condições exatas de implantação, como a exposição da rede do cluster, são desconhecidas.
- As pontuações 8.1 e 9.2 de outros provedores não são conciliadas com a pontuação da NVD presente no registro.
Perguntas frequentes
Qual é a fraqueza central do CVE-2026-49121?
O registro a classifica como CWE-502, desserialização de dados não confiáveis, em MessageQueue.recv(), onde dados pickle são processados sem autenticação ou validação.
Há exploração conhecida in the wild?
Não. O CISA KEV não lista a falha e as fontes consultadas não confirmam exploração ativa.
Quais versões são afetadas?
O registro lista AMD Aiter e ROCm Aiter com versões até 0.1.14. Não informa um número de versão corrigida.
O que os defensores devem fazer agora?
Revisar o pull request de correção, atualizar para uma build que o inclua, restringir o acesso de rede aos canais de mensagens e evitar desserializar pickle de fontes não confiáveis.
Esta análise foi redigida com auxílio de IA a partir de dados verificados das fontes e checada automaticamente contra eles.