ثغرة في AWS Multi Model Server تعرض البنية التحتية للاستدلال لتزوير الطلبات

تم رصد ثغرة أمنية لتزوير الطلبات من جانب الخادم في إطار عمل Multi Model Server المفتوح المصدر التابع لشركة Amazon Web Services، مما يؤثر على عمليات النشر التي تعمل بالإصدار 1.1.11 والإصدارات الأقدم. ووفقاً لبيانات استخبارات الثغرات الأمنية التي نشرتها قاعدة بيانات الأمن السيبراني VulDB، يتم تتبع الخلل الأمني تحت المعرف CVE-2026-115813. ويكمن الخلل مباشرة داخل مسار تنزيل النماذج في البرنامج، وهو روتين داخلي مسؤول عن جلب عناصر نماذج التعلم الآلي من مواقع بعيدة. وعند التلاعب بها، يمكن لمثل هذه الثغرات أن تسمح لجهات غير مصرح لها بإجبار خادم التطبيق على بدء طلبات شبكة إلى وجهات خارجية غير مقصودة أو بنية تحتية داخلية حساسة، مما يعرض الشبكات الخاصة للاستطلاع وجمع بيانات الاعتماد.

## حقائق رئيسية

- تم إدراج الثغرة الأمنية تحت المعرف CVE-2026-115813 وتؤثر على إصدارات Multi Model Server من Amazon Web Services حتى الإصدار 1.1.11. - صُنِّف الخلل الأمني كعوار لتزوير الطلبات من جانب الخادم يقع تحديداً داخل مسار تنزيل النماذج في إطار العمل. - سُجِّل الكشف عن الثغرة بواسطة منصة مراقبة الثغرات الأمنية VulDB في 23 أكتوبر 2026. - يُعد Multi Model Server إطار عمل مفتوح المصدر طُوِّر لخدمة نماذج التعلم العميق لأغراض الاستدلال عبر محركات حوسبة متعددة. - يتيح استغلال تزوير الطلبات من جانب الخادم عادةً للمهاجمين تجاوز محيط الشبكة، والاستعلام عن خدمات البيانات الوصفية السحابية الداخلية، والتفاعل مع الشبكات الفرعية الخاصة.

## ماذا حدث

ظهرت الثغرة المصنفة تحت المعرف CVE-2026-115813 نتيجة تقييم لـ Multi Model Server التابع لـ Amazon Web Services (AWS)، وهو أداة مفتوحة المصدر طورتها AWS Labs لإدارة استدلال نماذج التعلم الآلي. ووفقاً لتقارير صادرة عن VulDB، يستهدف الخلل تحديداً المكون البرمجي المسؤول عن تنزيل حزم النماذج على الخادم المضيف.

في ظروف التشغيل العادية، يتيح Multi Model Server واجهات إدارة تسمح لمهندسي الأنظمة وخطوط المعالجة المؤتمتة بتسجيل نماذج التعلم الآلي وتكوينها وتوسيع نطاقها بشكل ديناميكي. وعند إدخال نموذج جديد إلى النظام، يقدم المشغل عنواناً—عادةً ما يكون معرف موارد موحد (URI) أو رابط URL—يشير إلى مكان تخزين أرشيف النموذج المحزوم. ثم يعالج برنامج الخادم تلك المدخلات، وينشئ اتصال شبكة صادراً، وينزل الملفات المطلوبة في ذاكرة التخزين المؤقت المحلية الخاصة به قبل تهيئة عمليات تشغيل النموذج.

وفي بيئات النشر المتأثرة بالثغرة CVE-2026-115813، تكون عملية التحقق من صحة المدخلات التي تحكم روتين التنزيل هذا غير كافية. ونظراً لأن الخادم لا يفرض قيوداً صارمة على البروتوكولات أو نطاقات عناوين IP أو أسماء المضيفين المقبولة أثناء مرحلة الاسترداد، يمكن لمهاجم قادر على إرسال طلبات إلى نقطة نهاية الإدارة تحديد وجهات ضارة. فبدلاً من جلب أرشيف نموذج مصرح به من حاوية تخزين موثوقة، يمكن توجيه الخادم لإصدار طلبات HTTP داخلية إلى أجهزة أخرى على الشبكة الخاصة أو إلى نقاط نهاية إدارة السحابة المحلية للارتباط.

وتشير بيانات VulDB إلى أن الخلل ينطبق على جميع إصدارات Multi Model Server حتى الإصدار 1.1.11 ضمناً. وتُسجل قاعدة البيانات هذا الاكتشاف كخطر نشط لتزوير الطلبات من جانب الخادم (SSRF)، مؤكدة أن التهديد ينبع من تصرف الخادم كوكيل غير مقصود لاستدعاءات الشبكة الصادرة.

## أهمية الأمر

يسلط اكتشاف CVE-2026-115813 الضوء على المخاطر المعمارية المستمرة عند نقطة التقاء الحوسبة السحابية للمؤسسات وعمليات الذكاء الاصطناعي. وتمثل منصات خدمة الاستدلال نقاط ربط حيوية في بيئات تكنولوجيا المعلومات الحديثة؛ إذ إنها تعمل غالباً داخل شبكات فرعية خاصة، وتتصل بقواعد بيانات خلفية حساسة، وتتمتع بوصول واسع النطاق إلى الشبكة لتسهيل الاتصال منخفض زمن الاستجابة مع الخدمات المصغرة الأخرى. وعندما يعاني إطار عمل الاستدلال من ثغرة SSRF، يسقط الافتراض التقليدي للدفاع عن محيط الشبكة.

وفي البيئات السحابية مثل AWS، تمثل ثغرات SSRF تهديداً تشغيلياً حاداً. فإذا تمكن مهاجم من إجبار خادم مستضاف سحابياً على إرسال طلبات HTTP عشوائية، فإن الهدف الأساسي غالباً ما يكون خدمة البيانات الوصفية للمثيل. وفي البنية التحتية لـ AWS، كان الوصول إلى هذه الخدمة متاحاً تاريخياً عبر عنوان IP المحلي للارتباط 169.254.169.254. ويتيح الاستعلام عن هذا العنوان للتطبيق الاطلاع على خصائص المثيل، والأهم من ذلك، الحصول على بيانات اعتماد أمنية مؤقتة مرتبطة بدور إدارة الهوية والوصول (IAM) الخاص بالمضيف. وإذا أتاحت ثغرة SSRF وصولاً غير مصرح به إلى نقطة النهاية تلك، يمكن للمهاجم استخراج الرموز الأمنية وانتحال امتيازات المضيف السحابي الأساسي، مما يتيح الوصول غير المصرح به إلى البيانات عبر النطاق السحابي الأوسع للمؤسسة.

وإلى جانب مخاطر بيانات الاعتماد السحابية، تتيح عيوب SSRF لجهات التهديد إجراء فحص للمنافذ الداخلية ورسم خرائط لشبكات الإنترانت المؤسسية المحجوبة بالكامل عن شبكة الإنترنت العامة. وغالباً ما تؤتمت المؤسسات التي تنشر أطر عمل التعلم الآلي خطوط نشر النماذج عبر أنظمة التكامل المستمر والنشر المستمر (CI/CD). وإذا تفاعلت تدفقات العمل المؤتمتة هذه مع مثيل غير مصلح من Multi Model Server، فيمكن للمستخدمين غير المصرح لهم استغلال عملية تسجيل النماذج لتنفيذ تحركات جانبية، أو الوصول إلى واجهات برمجة التطبيقات (APIs) الداخلية غير المحمية، أو التلاعب بالبيانات التشغيلية الخاصة.

## الخلفية

طرحت AWS Labs إطار عمل Multi Model Server لأول مرة في عام 2018 كأداة مفتوحة المصدر وجاهزة لبيئات الإنتاج لخدمة الاستدلال، وصُممت لمواجهة التحديات التشغيلية لنشر نماذج التعلم العميق على نطاق واسع. وبُني في الأصل حول Apache MXNet ثم توسع لاحقاً لدعم PyTorch وتنسيق Open Neural Network Exchange (ONNX)، حيث صُمم Multi Model Server لاستضافة نماذج متعددة في وقت واحد على مجمع مشترك من وحدات معالجة الرسومات (GPUs) ووحدات المعالجة المركزية (CPUs). وعبر التحميل الديناميكي للنماذج في الذاكرة وتوسيع مسارات العمل استناداً إلى حركة مرور الاستدلال الواردة، خفضت المنصة تكاليف الحوسبة والأعباء التشغيلية لفرق الذكاء الاصطناعي في المؤسسات بشكل كبير.

ومع تطور منظومة التعلم الآلي، حققت البنية الأساسية لـ Multi Model Server انتشاراً واسعاً في القطاع. وفي عام 2020، تعاونت AWS مع فريق PyTorch في Facebook (المعروفة الآن باسم Meta) لإطلاق TorchServe، وهو محرك استدلال للمؤسسات بُني مباشرة على الشيفرة المصدرية الأساسية والمبادئ المعمارية التي أرساها Multi Model Server. ونتيجة لذلك، أثرت خيارات التصميم المعماري وأنماط معالجة المدخلات التي قُدمت في Multi Model Server على أجيال متعددة من أطر خدمة التعلم الآلي عبر مجتمع البرمجيات المفتوحة المصدر.

ويحظى تزوير الطلبات من جانب الخادم باهتمام طويل الأمد كأحد أبرز المخاوف في أمن البرمجيات، حيث أفرد له مشروع أمن تطبيقات الويب المفتوحة (OWASP) فئة مستقلة في قائمته لأهم 10 مخاطر أمنية لتطبيقات الويب. وشهد قطاع الحوسبة السحابية العواقب الوخيمة لثغرات SSRF خلال خرق بيانات Capital One في عام 2019، عندما استغل مهاجم ثغرة SSRF في جدار حماية تطبيقات ويب لم يُضبط بالشكل الصحيح للاستعلام عن خدمة البيانات الوصفية في AWS، والوصول إلى بيانات الاعتماد الإدارية، وتسريب سجلات تخص أكثر من 100 مليون شخص.

وعقب ذلك الحادث، قدمت AWS الإصدار الثاني من خدمة البيانات الوصفية للمثيل (IMDSv2) في نوفمبر 2019. وعلى خلاف سابقتها، تشترط IMDSv2 أن يبدأ الطالبون جلسة ويستردوا رمز جلسة مشفراً باستخدام طلب HTTP PUT قبل جلب البيانات الوصفية، وهو تصميم يستهدف إحباط محاولات استغلال SSRF البسيطة التي تعتمد على طلبات HTTP GET القياسية. ومع ذلك، يظل اعتماد IMDSv2 اختيارياً أو غير مكتمل في العديد من البيئات القديمة، مما يترك الأنظمة عرضة لهجمات SSRF إذا فشلت التطبيقات الفردية في تنقية طلبات الشبكة الخارجية.

## ردود الفعل

عقب نشر بيانات VulDB، لم تُربط بعد أي تصريحات عامة رسمية من Amazon Web Services أو مطوري المستودع المفتوح المصدر في سجل الفهرس. وفي تدفقات العمل المعتادة للإبلاغ عن الثغرات، يقيّم مطورو البرمجيات إدخالات CVE المنشورة عبر برنامج الثغرات والتعرضات الشائعة (Common Vulnerabilities and Exposures)، الذي تشرف عليه منظمة MITRE Corporation بالتنسيق مع سلطات ترقيم CVE المعتمدة.

وفي بيئات الحوسبة السحابية للمؤسسات، تراقب فرق الأمن السيبراني دورياً قواعد بيانات مثل VulDB وقاعدة البيانات الوطنية للثغرات الأمنية (NVD)، التي يديرها المعهد الوطني للمعايير والتقنية (NIST)، لتقييم التهديدات الناشئة التي تمس حزم برمجياتها. ونظراً لأن Multi Model Server مشروع مفتوح المصدر مستضاف على GitHub، فعادة ما تجري المعالجة عبر طلبات سحب يقدمها المطورون أو المساهمون في المجتمع، مصحوبة بعلامات إصدار محدثة ووثائق نشر رسمية.

ومن المتوقع أن يقيم مهندسو الأمن المتابعون لهذا الإعلان ما إذا كانت مجموعات الاستدلال الداخلية لديهم تعرض نقاط نهاية إدارة Multi Model Server للشبكات العامة أو الشبكات الفرعية الداخلية غير الموثوقة. وتوصي إرشادات التحصين القياسية من هيئات الأمن السحابي عموماً بعزل واجهات برمجة التطبيقات الإدارية على المنفذ 8081 أو المنفذ 8444، وفرض قوائم صارمة للتحكم في الوصول إلى شبكة الخروج (NACLs) لمنع الاتصالات الصادرة بنطاقات عناوين IP عشوائية، وإلزامية استخدام IMDSv2 على جميع أجهزة EC2 الافتراضية الأساسية.

## ما لا نعرفه بعد

لا تزال عدة تفاصيل فنية حول CVE-2026-115813 غير مؤكدة في التقرير الأولي لـ VulDB؛ إذ لا يورد الإشعار المبدئي متجهاً أو درجة أساسية نهائية وفق نظام تقييم الثغرات المشترك (CVSS)، مما يترك المقياس الرياضي الموحد لخطورتها وقابليتها للاستغلال دون تحديد. علاوة على ذلك، لا يوضح الإدخال ما إذا كانت الثغرة تتطلب مصادقة إدارية نشطة لتفعيلها، أو ما إذا كان يمكن استغلالها من قبل طرف بعيد غير مصادق عليه عند إتاحة الوصول إلى منافذ الإدارة.

ومن غير الواضح أيضاً من المعطيات المتاحة ما إذا كان قد طُرح تصحيح أمني رسمي في إصدار تالٍ بعد الإصدار 1.1.11، أو ما إذا كان هناك حل بديل مؤقت للمؤسسات غير القادرة على ترقية مجموعات الاستدلال لديها فوراً. وأخيراً، لا يشير الإشعار إلى ما إذا كان قد رُصد أي استغلال فعلي للثغرة CVE-2026-115813 في الواقع العملي، كما لم يكشف عن هوية الباحث الأمني أو المنظمة التي يعود إليها الفضل في إبلاغ المطورين بالخلل.

## ما يجب مراقبته

يتعين على المؤسسات التي تدير بنية تحتية لاستدلال التعلم الآلي تتبع عدة محطات قادمة لتحديد مستوى تعرضها وجدول المعالجة الزمني:

- التحليل الرسمي وتحديد درجة الخطورة من قبل قاعدة البيانات الوطنية للثغرات الأمنية (NVD)، والتي ستحدد درجة CVSS v3.1 أو v4.0 معيارية توضح متجه الهجوم وتعقيده والصلاحيات المطلوبة. - ملاحظات الإصدار الرسمية وسجلات التعديل (commits) على مستودع GitHub الخاص بـ AWS Labs Multi Model Server، لمعرفة ما إذا كان قد طُرح إصدار تصحيحي مخصص—مثل الإصدار 1.1.12—لمعالجة خلل مسار التنزيل. - النشرات الأمنية من Amazon Web Services التي تفصل أي تداعيات محتملة على الخدمات المدارة أو صور الحاويات أو أطر العمل المشتقة، بما في ذلك بيئات نشر TorchServe التي قد ترث أنماطاً برمجية من Multi Model Server. - عمليات التدقيق الإداري من قبل مشغلي السحابة للتأكد من فرض الإصدار الثاني من خدمة البيانات الوصفية للمثيل (IMDSv2) بصرامة على جميع مثيلات الأجهزة الافتراضية التي تشغل أعباء عمل خدمة النماذج، مما يجعل استخراج بيانات الاعتماد المحلية للارتباط أكثر صعوبة في حال وقوع هجوم SSRF.

يستند هذا التقرير إلى بيانات استخبارات الثغرات الأمنية المنشورة بواسطة VulDB.