代码有执行漏洞,弃YAML用JSON?网友:YAML不背锅!

AI Agent系统提示词设计:从原理到Trae-Agent实战 在AI智能体开发中,系统提示词是定义模型行为的关键技术。其核心原理是通过预设文本指令,为大语言模型锚定角色身份、设定行为规范并注入领域知识,从而解决模型原生存在的‘身份漂移’和输出不可控等问题。从技术价值看,精心设计的提示词能显著提升智能体的专业性、安全性和任务执行效率,是实现‘可控智能’的基础。在工程实践中,这直接关系到智能体框架的稳定性和用户体验。以Trae-Agent项目为例,一个结构化的系统提示词应包含清晰的角色定义、明确的能力职责、严格的限制边界和任务初始化指令,这构成了智能体可靠运行的‘行为宪法 阅读详情

点击上方“芋道源码”,选择“设为星标”

管她前浪,还是后浪?

能浪的浪,才是好浪!

每天 10:33 更新文章,每天掉亿点点头发...

源码精品专栏

 

来源:OSC开源社区(ID:oschina2013)

6111d0ec710729984bea2d20e7d211ce.png


Tensorflow 是一个基于 Python 的机器学习和人工智能项目,该项目由 Google 开发。近日 TensorFlow 已经放弃了对 YAML 的支持,以修复一个关键的代码执行漏洞。

4d529a443b35abce406998cf1f49e892.png

YAML 或 YAML Ain't Markup Language 是一种人类可读的数据序列化语言,用于在进程和应用程序之间传递对象和存储数据,许多 Python 应用程序都使用 YAML 来序列化和反序列化对象。

该漏洞的 CVE ID 为 CVE-2021-37678。TensorFlow 和 Keras(TensorFlow 的一个封装项目)的维护者表示,该漏洞源于对 YAML 的不安全解析,漏洞会在应用程序反序列化以 YAML 格式提供的 Keras 模型时,使攻击者可以执行任意代码。反序列化漏洞通常发生在应用程序读取来自非真实来源的不良或恶意数据时。

这个 YAML 反序列化漏洞的严重程度被评为 9.3 级,由安全研究员 Arjun Shibu 报告给 TensorFlow 维护者。

5a5a3b58fcca0ffff617af47980ec831.png

这个漏洞的来源是 TensorFlow 代码中臭名昭著的 "yaml.unsafe_load()" 函数。

安全研究员 Arjun Shibu 表示,"我在 TensorFlow 中搜索了 Pickle 和 PyYAML 的反序列化模式,令人惊讶的是,我发现了对危险函数 yaml.unsafe_load() 的调用。"

众所周知,"unsafe_load" 函数可以对 YAML 数据进行相当自由的反序列化 —— 它解析了所有的标签,即使是那些不受信任的输入上已知不安全的标签。该函数直接加载 YAML 输入而不对其进行清理,这使得使用恶意代码注入数据成为可能。

序列化的使用在机器学习应用中非常普遍。训练模型是一个昂贵且缓慢的过程。因此,开发人员经常使用预先训练好的模型,这些模型已经存储在 YAML 或 TensorFlow 等 ML 库支持的其他格式中。

c6ce115aaf794861030fb9c1a07a82b1.png

在该漏洞被披露后,TensorFlow 的维护者决定完全放弃对 YAML 的支持,而使用 JSON 进行反序列化。值得注意的是,TensorFlow 并不是第一个、也不是唯一一个被发现使用 YAML unsafe_load 的项目。该函数的使用在 Python 项目中是相当普遍的。

TensorFlow 的维护者表示,CVE-2021-37678 漏洞将于 TensorFlow 2.6.0 版本的更新中进行修复,并且还将被回传到之前的 2.5.1、2.4.3 和 2.3.4 版本。自年初以来,Google 已经在 TensorFlow 上修复了 100 多个安全漏洞。



欢迎加入我的知识星球,一起探讨架构,交流源码。加入方式,长按下方二维码噢:

4a2c5244e284d3e4647815dc031b1ee8.png

已在知识星球更新源码解析如下:

fa48a70376d1ad50162499c996cc981a.png

6e196519377db46f105dbb354c8fbf24.png

ab5680304bd968909499d9df41b37f63.png

9e1fdc6730e4f99caf2fc6a63b5acba5.png

最近更新《芋道 SpringBoot 2.X 入门》系列,已经 101 余篇,覆盖了 MyBatis、Redis、MongoDB、ES、分库分表、读写分离、SpringMVC、Webflux、权限、WebSocket、Dubbo、RabbitMQ、RocketMQ、Kafka、性能测试等等内容。

提供近 3W 行代码的 SpringBoot 示例,以及超 4W 行代码的电商微服务项目。

获取方式:点“在看”,关注公众号并回复 666 领取,更多内容陆续奉上。

文章有帮助的话,在看,转发吧。
谢谢支持哟 (*^__^*)
上下文工程:构建LLM稳定输出的认知信息场 上下文工程是大语言模型应用落地的核心方法论,它超越传统提示词设计,聚焦于为模型系统性构建富含语义锚点、逻辑线索与认知脚手架的信息环境。其原理根植于对模型‘溢出效应’的响应——当模型具备全局知识调用能力时,仅靠零样本或少样本提示已无法约束推理边界;必须通过锚定权威依据、显式约束知识范围、分层组织信息(信息层/逻辑层/意图层)来降低认知负荷、提升事实准确性与意图达成率。该技术在医疗问答、合同审查、智能投顾等强可靠性场景中展现出显著工程价值,已成为AI产品从项目验证迈向工业化交付的关键基础设施。 阅读详情

相关推荐

Prompt Engineering实战:人机协作接口设计方法论

大语言模型本质是统计模式匹配器,不具备人类意义上的理解能力;Prompt Engineering并非文字技巧,而是面向LLM认知特性的接口设计实践。其核心在于构建稳定可复现的‘角色-任务-约束’结构化指令,通过系统级提示抢占注意力、具象化原子操作、负向清单封堵幻觉路径,并结合Few-shot示例与思维链(CoT)提供推理脚手架。该技术已广泛应用于智能客服、工业诊断、金融风控等需高精度输出的工程场景,是实现AI落地从‘能用’到‘可靠可用’的关键枢纽。

weixin_34306593的博客 343

程序员崩溃的 10 个瞬间,艿艿好像都命中了?

点击上方“芋道源码”,选择“设为星标”管她前浪,还是后浪?能浪的浪,才是好浪!每天 8:55 更新文章,每天掉亿点点头发...源码精品专栏原创 | Java 2020 超神之路,很肝~...

芋艿V 282

Opus 4.7代理能力与文档理解技术解析

大语言模型的代理能力(Agentic)指模型自主规划、调用工具、迭代验证并处理失败的综合推理能力,其核心在于自反性循环与动态工具选择机制;而专业文档理解则超越OCR识别,依赖多模态结构感知、领域知识软硬结合及意图-风险映射等关键技术。这类能力正推动AI从代码生成工具升级为可承担端到端业务模块的智能协作者,在DevOps自动化、合规审计、合同治理等高价值场景中实现工程级落地。Opus 4.7的突破,正是这两类能力协同跃迁的典型代表。

weixin_34248705的博客 389

2万字带你入门DDD

点击上方“芋道源码”,选择“设为星标”管她前浪,还是后浪?能浪的浪,才是好浪!每天 10:33更新文章,每天掉亿点点头发...源码精品专栏原创 | Java 2021超神之路,很肝~中文详细注释的开源项目RPC 框架 Dubbo 源码解析网络应用框架 Netty 源码解析消息中间件 RocketMQ 源码解析数据库中间件 Sharding-JDBC 和 MyCAT 源码解析作业调度中间件 E...

芋艿V 413

layui文档、官网下架保存

layui文档、官网下架保存

DDD领域驱动设计&中台实践资料合集(20份).zip

DDD领域驱动设计&中台实践资料(20份): DDD促进传统架构微服务转型(42页).pdf DDD在旅游电商架构演进中的实践(47页).pdf DDD实践中的那些坑(28页).pdf DDD的为与不为(25页).pdf Every Entity as A Microservice(87页).pdf 化繁为简--DDD驱动复杂业务软件架构的演进(33页).pdf 可视化的遗留系统微服务改造(54页).pdf 在一个实际复杂业务中落地DDD方法与相关架构(31页).pdf 基于 FP 的 DDD 实践(42页).pdf 基于DDD的领域建模中的模版和工具实践(36页).pdf 如何让DDD落地(32页).pdf 微服务的容器化实践(19页).pdf 架构分层模型适配(39页).pdf 淘宝应用架构升级——反应式架构的探索与实践(27页).pdf 演进式架构的平台化落地(42页).pdf 物联网平台的反应式设计(18页).pdf 用状态机封装领域逻辑(30页).pdf 金融支付系统的改造之路(28页).pdf 领域建模的易与难(27页).pdf 领域驱动架构透析与架构解耦(29页).pdf

芋道管理系统 运行报错

zhiquz_1021的博客 805

EventStore文件存储设计详解

ENode是一个CQRS+Event Sourcing架构的开发框架,这篇文章主要介绍了EventStore文件存储设计 ,需要的朋友可以参考下

rce漏洞分析

通过这个代码可以分析出是执行了数据库查询的语句,但是这里也不可能发生sql注入,应为where语句中的参数采用了数组的传递方式,可以有效的避免sql注入漏洞,因为通过数组传递的参数会经过addslashes和htmlspecialchars的过滤。前几日在浏览github项目时,发现之前审计过的一个cms更新了,从日志中看到修复了一个安全漏洞,由于源码是开源的,所以可以根据版本对比找到修补的地方,进而发现其修复的地方。在上面的补丁中也强制判断了参数必须是字符串,所以漏洞应该出现在传入的参数时数组的情况下。

若有战,召必回 2106

DBeaver连接ClickHouse保姆级教程:从安装到成功测试(附驱动下载问题解决)

本文提供了一份详细的DBeaver连接ClickHouse实战指南,重点解决了驱动下载失败等常见问题。文章从环境准备、DBeaver安装讲起,详细阐述了手动配置ClickHouse驱动的可靠方案,并逐步指导完成连接配置与测试,最后介绍了基础操作与查询优化技巧,旨在帮助用户高效完成连接并快速上手使用。

pink的博客 881

Nornir自动化简单介绍-网络设备信息收集

作为网工,学会通过执行脚本,可以自动化的完成日常一些设备相关配置或信息收集等工作,可以说是事半功倍。 Nornir就是这样一个自动化网络运维工具。按照官网上的说明: Nornir是用python编写的自动化框架,可与python一起使用。Nornir旨在通过提供一个纯Python框架来解决这些问题。 详细参考: Github GitHub - nornir-automation/nornir: Pluggable multi-threaded framework with inventory .

Gun&rose 7806

layui官网将于2021年10月13日下架

前言: 在刚听到这个小时的时候,真的感觉很意外,从16-17年接触他一来,相对bootstrap等其他的jquey框架来说,layui算是功能最强大,社区最活跃的一款jquery框架了,至少我是这么认为的,他的功能也很强大。 官方通告:官方gitee入口 所有对 layui 为之热爱、鞭策、奉献,和支持过的开发者: 请接受我用意念和字节传达的深深歉意。这是一个无力、无奈,甚至无助的决定: layui 官网将于2021年10月13日进行下线。 届时,包括新版下载、文档和示...

浩星 5万+

用废旧汽车电池DIY家用UPS:手把手教你低成本搭建Wi-Fi不断电系统

本文详细介绍了如何利用废旧汽车电池DIY低成本家用UPS系统,确保Wi-Fi设备在断电时持续供电。通过精选材料、电路搭建和安全防护,实现高效稳定的电源转换与智能切换,成本仅为市售UPS的三分之一。特别适合家庭办公和远程工作者提升网络供电可靠性。

weixin_29200485的博客 468

YAML 有漏洞被弃用?网友:YAML 不背锅!

文 | Travis 出品 | OSC开源社区(ID:oschina2013) Tensorflow 是一个基于 Python 的机器学习和人工智能项目,该项目由 Google 开发。近日 TensorFlow 已经放弃了对 YAML 的支持,以修复一个关键的代码执行漏洞。 YAML 或 YAML Ain't Markup Language 是一种人类可读的数据序列化语言,用于在进程和应用程序之间传递对象和存储数据,许多 Python 应用程序都使用 YAML 来序列化和反序列化对象。 该漏洞的

Java技术栈,分享最主流的Java技术 546

Unity类银河战士恶魔城学习总结(P103之前 Enemy相关 , 骷髅战士,状态机,敌人状态,)

udemy的Alex银河战士恶魔城,记录我自己的学习,代码会逐渐每一p更新,仅供参考学习。

suzh1qian的博客 1633

LTspice仿真实战:共模电感差模/共模插入损耗测试全流程(附WE 744821201参数)

本文以Würth Elektronik 744821201型号共模电感为例,详细介绍了在LTspice中搭建差模与共模插入损耗测试电路的全流程。通过从规格书提取关键参数、构建SPICE模型,到执行仿真并与官方数据对比,旨在帮助硬件工程师在PCB设计前期精准预测EMC性能,弥合器件选型与系统设计之间的鸿沟。

info6的博客 762

CutefishOS基于 OpenEuler操作系统的安装包(待完成)

CutefishOS 可爱鱼 基于华为 OpenEuler系统编译的rpm包

晓星 412

STM32堆栈溢出问题及解决方法

堆栈是用于存储函数调用和局部变量的内存区域,它是一种先进后出的数据结构。如果函数嵌套层级过深或者局部变量占用的内存空间过大,堆栈的大小可能不足以容纳这些信息,从而导致堆栈溢出。在一些特殊情况下,可以使用堆内存替代堆栈,以避免堆栈溢出问题。在STM32的工程中,可以通过修改链接脚本文件(.ld文件)中的堆栈大小参数来增加堆栈空间。通常,堆栈大小设置为RAM的一小部分,但需要根据具体应用的需求进行调整。堆栈溢出是嵌入式系统开发中常见的问题之一,特别是在使用STM32微控制器时。3.3 使用堆内存替代堆栈。

ZwcCsharp的博客 2596

漏洞系统搭建/漏洞系统扫描-零基础渗透技巧

本帖旨在于技术交流,请勿进行非法攻击行为。芋道管理系统是当前gitee上最受欢迎的开源系统,其收到的Start数量已经超过50k,该系统集成多种功能于一身,被众多企业所接受。

程序员六七的博客 977

R语言做一个 GM (1,1)灰色预测模型

累加生成是GM(1,1)模型的另一个重要步骤,它通过构造累加生成序列,把非线性非平稳时间序列转化为线性平稳时间序列。GM(1,1)是一种基于灰色系统理论的预测模型,通常用于中小样本的非线性、非平稳时间序列数据分析。灰色预测模型的核心是灰度处理,将原始时间序列转化为灰色时间序列。这里使用R语言中的diff函数对时间序列进行一次差分,然后对结果取累加和得到灰度序列。以上是GM(1,1)灰色预测模型在R语言中的实现步骤。需要注意的是,GM(1,1)模型适用于中小样本的时间序列预测,对于长期预测效果可能较差。

Mrrunsen的博客 3842

YOLOv11-Pose部署RK3588实战:人体姿态识别精度翻倍,边缘推理速度突破瓶颈

本教程从YOLOv11-pose模型的姿态识别训练,到RK3588的边缘量化部署,为你打造了一套“高精度+高实时性+低成本”的人体姿态分析解决方案。无论是健身动作纠正、智能安防行为检测,还是工业人员姿态监控,这套技术都能直接复用——你只需替换数据集与业务逻辑,即可快速落地专属的边缘AI姿态识别系统。如果你在实践中遇到任何卡点,欢迎随时交流。记住,人体姿态识别的价值在于“关键点准、推理快、部署易”,而这三者的平衡,正是你通过本教程能掌握的核心能力。

m0_64661770的博客 138
上一篇: 如何保证 Redis 缓存与数据库双写一致性?
下一篇: Java17,有史以来最快 JDK!
公众号-芋道源码
博客等级 码龄10年 1639粉丝 377原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值