Aller au contenu

CVE-2026-108719 : SSRF aveugle dans LLMGateway par injection de l'URL de rappel de génération vidéo

Densité :
Synthèse Décisionnelle C-Level CVE-2026-108719 CRITICAL SCORE 92/100

Vulnérabilité critique de SSRF aveugle dans LLMGateway permettant l'exfiltration non authentifiée des métadonnées cloud et le rebond vers le réseau interne.

AGENTIC

SCORE DE SÉCURITÉ AGENTIQUE HERMES & ÉVALUATION DU PROXY INVERSE D'IA

Cible : LLMGateway — Distributeur asynchrone de webhooks pour la génération vidéo
Confiance : 97%
89 / 100
CRITIQUE

Mesure la pertinence opérationnelle réelle, la militarisation de l'exploit et la posture de menace active.

Décomposition des dimensions
Autonomie décisionnelle 16 / 20
Accès aux outils & APIs 18 / 20
Privilege 14 / 20
Persistence 11 / 20
External Impact 15 / 20
Propagation 15 / 20
⚖️ Divergence & Justification opérationnelle

La métrique CVSS v3.1 attribue un score de 9.3 (CRITIQUE) en raison du changement de portée (S:C) permettant l'accès aux métadonnées des instances cloud et aux services internes de grappes. Le score de sécurité agentique Hermes (HASS) confirme cette sévérité à 89 (CRITIQUE). En tant que passerelle d'API déployée en périphérie pour acheminer les requêtes vers de multiples modèles d'IA générative, LLMGateway s'exécute avec des privilèges cloud élevés pour accéder aux clusters GPU, aux compartiments de stockage et aux services de modèles. Une faille SSRF aveugle dans sa boucle de rappel asynchrone permet aux attaquants de sonder les métadonnées cloud (AWS IMDS, métadonnées GCP) et de pivoter vers le plan de contrôle.

🕸️ Graphe de connaissances connecté & Provenance

CVE-2026-108719: LLMGateway Blind SSRF via Video-Generation callback_url Webhook HandlingVULNÉRABILITÉ

Nœuds connectés : 1
Relations sortantes actives
→ affectsCOMPOSANTLLMGateway Multimodal AI Reverse Proxy
98% VERY_HIGH

Software platform affected by security vulnerabilities and agentic attack patterns.

🔍 Pourquoi cette relation ? (Preuves & Provenance)

“Confirmed security vulnerability in LLMGateway Multimodal AI Reverse Proxy documented in Hermes dossier.”

Preuves vérifiées associées :

1. Contexte technique et matrice d’architecture affectée

Section intitulée « 1. Contexte technique et matrice d’architecture affectée »

LLMGateway s’interpose entre les clients externes et les interfaces de modèles de fondation afin d’assurer l’équilibrage de charge, la gestion de cache et la limitation de débit.

ParamètreSpécification techniqueDétails opérationnels
Identifiant CVECVE-2026-108719Référence officielle NVD et VulnCheck
Produit affectéLLMGatewayMandataire inverse et routeur d’API d’IA multimodale
Composant vulnérablegateway/callbacks/dispatcher.pyGestionnaire asynchrone de livraison de webhooks
Versions impactéesToutes versions jusqu’à 1.20.0Déploiements cloud, Kubernetes et serveurs dédiés
Correctif officiel1.20.1Validation stricte des adresses de sortie et assainissement des en-têtes
Classe de vulnérabilitéSSRF (CWE-918, CWE-610)Émission non filtrée de requêtes HTTP sortantes
Environnement d’exécutionPython / FastAPI / Docker / KubernetesConteneurs de passerelle d’IA avec rôles IAM associés

Chemin de code vulnérable : absence de validation de sortie sur les webhooks

Section intitulée « Chemin de code vulnérable : absence de validation de sortie sur les webhooks »

Dans le fichier gateway/callbacks/dispatcher.py, la routine d’expédition extrait l’adresse cible transmise par l’utilisateur et émet une requête HTTP POST sans vérifier si le nom d’hôte résout vers des adresses locales (RFC 1918) ou de lien local :

gateway/callbacks/dispatcher.py
import httpx
async def dispatch_completion_webhook(task_id: str, callback_url: str, result_payload: dict, client_headers: dict):
# ANOMALIE 1 : aucune validation d'URL ni de résolution d'adresse IP
# ANOMALIE 2 : transmission des en-têtes d'autorisation internes vers la cible non validée !
async with httpx.AsyncClient(timeout=10.0) as client:
response = await client.post(
callback_url,
json={"task_id": task_id, "status": "completed", "output": result_payload},
headers={"Authorization": client_headers.get("Authorization"), "X-Gateway-Node": "ai-proxy-prod"}
)
return response.status_code
Requête de l'attaquant Conteneur LLMGateway en périphérie Métadonnées cloud / Services internes
+-------------------------+ +-------------------------------+ +-------------------------------+
| POST /v1/video/ | | Tâche de génération créée | | 169.254.169.254 (IMDSv2/v1) |
| generations | ------> | | | internal-etcd.cluster.local |
| callback_url : | | Le dispatcher asynchrone émet | ---> | kube-apiserver.default.svc |
| http://169.254.169.254/ | | un POST HTTP depuis le pod | +-------------------------------+
| latest/meta-data/ | +-------------------------------+ |
+-------------------------+ v
+-------------------------------+
| Service interne perturbé |
| ou métadonnées sondées |
+-------------------------------+

3. Scénarios d’attaque et cinématique d’exécution

Section intitulée « 3. Scénarios d’attaque et cinématique d’exécution »
  1. Soumission de la charge malveillante : un attaquant transmet une requête JSON au point de terminaison /v1/video/generations :
    {
    "prompt": "Générer une animation 3D de logo",
    "model": "video-gen-v2",
    "callback_url": "http://169.254.169.254/latest/meta-data/iam/security-credentials/"
    }
  2. Traitement de la tâche et déclenchement du rappel : la passerelle prend en charge la requête. À la fin de la génération (ou lors d’une annulation), le distributeur en arrière-plan lance une requête HTTP vers l’adresse interne ciblée.
  3. Cartographie du réseau interne et élévation de privilèges : en modifiant les chemins cibles et en observant le temps de réponse ou les messages d’erreur, l’attaquant cartographie les microservices internes, interagit avec des API vulnérables ou capture des jetons de service relayés.

4. Triage forensique et détection multi-plateforme

Section intitulée « 4. Triage forensique et détection multi-plateforme »
title: Tentative de SSRF par rappel asynchrone sur LLMGateway
id: c418a920-8114-4a21-9920-202610871901
status: experimental
description: Détecte le trafic réseau sortant émis par les conteneurs de passerelle d'IA vers les plages d'adresses privées ou les métadonnées cloud.
references:
- https://vulncheck.com/advisories/llmgateway-through-1.20.0-blind-ssrf-via-video-generation-callback-url
author: Équipe CTI Hermes Codex
date: 2026/10/12
logsource:
category: network_connection
product: linux
detection:
selection_process:
Image|endswith:
- '/python3'
- '/uvicorn'
- '/llmgateway'
selection_dest:
DestinationIp:
- '169.254.169.254'
- '127.0.0.1'
DestinationIp|startswith:
- '10.'
- '172.16.'
- '172.17.'
- '172.18.'
- '192.168.'
condition: selection_process and selection_dest
fields:
- Image
- CommandLine
- DestinationIp
- DestinationPort
level: critical
tags:
- attack.initial_access
- attack.t1190

5. Stratégie de remédiation et matrice de mitigation

Section intitulée « 5. Stratégie de remédiation et matrice de mitigation »

Mettre à niveau le paquet llmgateway vers la version 1.20.1 ou ultérieure :

Fenêtre de terminal
pip install --upgrade llmgateway>=1.20.1
# Ou mettre à jour l'image de conteneur :
docker pull ghcr.io/llmgateway/llmgateway:1.20.1

Déployer une politique NetworkPolicy pour bloquer tout accès sortant vers les métadonnées cloud :

apiVersion: networking.k8s.io/v1
kind: NetworkPolicy
metadata:
name: block-metadata-egress
namespace: ai-gateway
spec:
podSelector:
matchLabels:
app: llmgateway
egress:
- to:
- ipBlock:
cidr: 0.0.0.0/0
except:
- 169.254.169.254/32
- 10.0.0.0/8
- 172.16.0.0/12
- 192.168.0.0/16
policyTypes:
- Egress