CVE-2026-24779:vLLM多模态解析不一致SSRF后端调用链精解
漏洞简介vLLM 是大型语言模型(LLM)的推理和服务引擎。在 0.14.1 版本之前,vLLM 项目多模态功能集中的“MediaConnector”类别存在SSRF漏洞。load_from_url和load_from_url_async方法通过用户提供的URL获取和处理媒体,在限制目标主机时使用不同的Python解析库。这两个解析库对反斜线有不同的解释,这使得可以绕过主机名的限制。这使得攻击者能
漏洞简介
vLLM 是大型语言模型(LLM)的推理和服务引擎。在 0.14.1 版本之前,vLLM 项目多模态功能集中的“MediaConnector”类别存在SSRF漏洞。load_from_url和load_from_url_async方法通过用户提供的URL获取和处理媒体,在限制目标主机时使用不同的Python解析库。这两个解析库对反斜线有不同的解释,这使得可以绕过主机名的限制。这使得攻击者能够胁迫vLLM服务器对内部网络资源发出任意请求。该漏洞在容器化环境中尤为关键,如“LLM-d”,其中被攻破的vLLM胶囊可能被用来扫描内部网络、与其他胶囊交互,甚至可能导致拒绝服务或访问敏感数据。例如,攻击者可能会让vLLM播客向内部的“LLM-d”管理端点发送恶意请求,从而通过错误报告如KV缓存状态等指标导致系统不稳定。0.14.1版本包含该问题的补丁。

漏洞影响
评分:7.1
影响:<0.14.1
漏洞分析
前端请求
POST /v1/chat/completions HTTP/1.1
Authorization: Bearer <valid_token>
Content-Type: application/json
{
"model": "llava",
"messages": [
{
"role": "user",
"content": [
{
"type": "text",
"text": "请分析这张图片的内容"
},
{
"type": "image_url",
"image_url": {
"url": "http://allowed.com\\@192.168.1.100:8080/internal-api/admin"
}
}
]
}
],
"max_tokens": 100
}后端调用链
这里开始响应

handler = chat(raw_request)获取处理器
走到chat方法

从当前应用的全局状态中取出名为 openai_serving_chat 的对象,并返回它。该属性的值是一个 OpenAIServingChat 类的实例
generator = await handler.create_chat_completion(request, raw_request)调用 handler 的 异步方法 create_chat_completion
实际上就是OpenAIServingChat.create_chat_completion
跳到create_chat_completion函数处

conversation, engine_prompts = await self._preprocess_chat(
request,
tokenizer,
request.messages,
chat_template=request.chat_template or self.chat_template,
chat_template_content_format=self.chat_template_content_format,
add_generation_prompt=request.add_generation_prompt,
continue_final_message=request.continue_final_message,
tool_dicts=tool_dicts,
documents=request.documents,
chat_template_kwargs=chat_template_kwargs,
default_chat_template_kwargs=self.default_chat_template_kwargs,
tool_parser=tool_parser,
add_special_tokens=request.add_special_tokens,
)开始预处理消息,其中request.messages包含了前端传入的恶意url
跳到_preprocess_chat看看如何进行消息预处理的

conversation, mm_data_future, mm_uuids = parse_chat_messages_futures(
messages,
model_config,
content_format=resolved_content_format,
)
mm_data = await mm_data_future解析消息,创建异步媒体获取任务,parse_chat_messages_futures方法接收了含恶意URL的messages
mm_data等待媒体数据
跳到parse_chat_messages_futures方法看看

mm_tracker = AsyncMultiModalItemTracker(model_config)
for msg in messages:
sub_messages = _parse_chat_message_content(
msg,
mm_tracker,
content_format,
interleave_strings=(
content_format == "string"
and model_config.multimodal_config is not None
and model_config.multimodal_config.interleave_mm_strings
),
)
return conversation, mm_tracker.all_mm_data(), mm_tracker.all_mm_uuids()先创建mm_tracker跟踪器
使用for循环每次循环传入msg(恶意url也被传入),该参数表示一条消息
然后mm_tracker参数传递跟踪器
跳到_parse_chat_message_content方法

elif isinstance(content, str):
content = [ChatCompletionContentPartTextParam(type="text", text=content)]
result = _parse_chat_message_content_parts(
role,
content, # type: ignore
mm_tracker,
wrap_dicts=(content_format == "openai"),
interleave_strings=interleave_strings,
)解析内容部分
content为内容数组:[text, image_url](将恶意url传递下去),mm_tracker参数继续传递跟踪器
再跳到_parse_chat_message_content_parts方法

for part in parts:
parse_res = _parse_chat_message_content_part(
part,
mm_parser,
wrap_dicts=wrap_dicts,
interleave_strings=interleave_strings,
)使用for循环循环调用 _parse_chat_message_content_part方法,每次使用传参part(将恶意url传递下去),该参数表示单个内容部分
mm_parser继续传递解析器
跳到_parse_chat_message_content_part方法

elif part_type in ("image_url", "input_image"):
str_content = cast(str, content)
mm_parser.parse_image(str_content, uuid)
modality = "image"识别 image_url 类型,提取 URL,调用图片解析器
提取出恶意URL字符串传递给解析器mm_parser的parse_image
跳到parse_image方法

调用self._connector.fetch_image_async(image_url)获取图片数据,创建占位符引用
跳到fetch_image_async方法

return await self.load_from_url_async(
image_url,
image_io,
fetch_timeout=envs.VLLM_IMAGE_FETCH_TIMEOUT,
)调用load_from_url_async加载URL也就是我们的恶意url
跳到load_from_url_async方法

url_spec = urlparse(url)
loop = asyncio.get_running_loop()
if url_spec.scheme.startswith("http"):
self._assert_url_in_allowed_media_domains(url_spec)
connection = self.connection
data = await connection.async_get_bytes(
url,
timeout=fetch_timeout,
allow_redirects=envs.VLLM_MEDIA_URL_ALLOW_REDIRECTS,
)
future = loop.run_in_executor(global_thread_pool, media_io.load_bytes, data)
return await future使用 urlparse,这是python标准库,遵循:RFC 3986 规范:将反斜杠 `\` 视为普通字符,对某些特殊字符处理严格
进行解析我们的恶意URL
然后经过白名单
ister(global_thread_pool.shutdown)
_M = TypeVar("_M")
MEDIA_CONNECTOR_REGISTRY = ExtensionManager()
@MEDIA_CONNECTOR_REGISTRY.register("http")
class MediaConnector:
def __init__(
self,
media_io_kwargs: dict[str, dict[str, Any]] | None = None,
connection: HTTPConnection = global_http_connection,
*,
allowed_local_media_path: str = "",
allowed_media_domains: list[str] | None = None,
) -> None:
"""
Args:
media_io_kwargs: Additional args passed to process media
inputs, keyed by modalities. For example,
to set num_frames for video, set
`--media-io-kwargs '{"video":{"num_frames":40}}'`
connection: HTTP connection client to download media contents.
allowed_local_media_path: A local directory to load media files from.
allowed_media_domains: If set, only media URLs that belong to this
domain can be used for multi-modal inputs.
"""
super().__init__()
self.media_io_kwargs: dict[str, dict[str, Any]] = (
media_io_kwargs if media_io_kwargs else {}
)
self.connection = connection
if allowed_local_media_path:
allowed_local_media_path_ = Path(allowed_local_media_path)
if not allowed_local_media_path_.exists():
raise ValueError(
"Invalid `--allowed-local-media-path`: The path "
f"{allowed_local_media_path_} does not exist."
)
if not allowed_local_media_path_.is_dir():
raise ValueError(
"Invalid `--allowed-local-media-path`: The path "
f"{allowed_local_media_path_} must be a directory."
)
else:
allowed_local_media_path_ = None
self.allowed_local_media_path = allowed_local_media_path_
if allowed_media_domains is None:
allowed_media_domains = []
self.allowed_media_domains = allowed_media_domainsurlparse解析恶意payload异常,导致
url_spec.hostname = None 或 ""白名单检查时
if False and True → False从而跳过检查
最后调用HTTP连接器发起实际请求
跳到async_get_bytes方法

async with await self.get_async_response(
url, timeout=timeout, allow_redirects=allow_redirects
) as r:
r.raise_for_status()
return await r.read()调用get_async_response方法
检查HTTP状态码并读取返回响应体
跳到get_async_response方法

self._validate_http_url(url)进行了URL验证
跳到该验证处

parsed_url = urlparse(url)再次使用urlparse
在这里,只检查了scheme,其他的像检查主机名,白名单验证,内部地址检查什么的都没有
通过验证处之后
client = await self.get_async_client()
extra_headers = extra_headers or {}
return client.get(
url,
headers=self._headers(**extra_headers),
timeout=timeout,
allow_redirects=allow_redirects,
)当调用 client.get() 时:
client 是 aiohttp.ClientSession 实例
get() 是异步方法,返回协程对象,然后对我们的恶意URL发起网络请求
不过该URL解析使用的方法是parse_url,按照WHATWG生活标准实现:将 @ 符号识别为认证信息分隔符,即使前面有反斜杠。
跳到self.get_async_client看看

可以看到client 是 aiohttp.ClientSession 实例
漏洞修复

统一使用 parse_url解析url
更新 _assert_url_in_allowed_media_domains 方法签名: 验证URL主机名是否在允许的域名列表中
参考
https://github.com/vllm-project/vllm/security/advisories/GHSA-qh4c-xf7m-gxfc
https://www.cve.org/CVERecord?id=CVE-2026-24779
https://github.com/vllm-project/vllm/tree/v0.14.0/vllm
https://github.com/vllm-project/vllm/commit/f46d576c54fb8aeec5fc70560e850bed38ef17d7
因 urlparse 与 parse_url 对反斜杠解析不一致,导致 URL 主机白名单绕过,引发服务端请求伪造。
由 AI 根据全文自动生成,仅供参考,以原文为准