AI 모델 서빙을 위한 오픈 소스 프레임워크인 SGLang 프로젝트에서 여섯 개의 치명적인 취약점이 발견되었습니다. 이러한 취약점에는 인증되지 않은 원격 코드 실행, 서버 측 요청 위조(SSRF), 로컬 파일 읽기 기능이 포함됩니다. 또한 특정 엔드포인트를 통해 자격 증명 누출 및 모델 가중치 유출이 가능합니다. 이러한 취약점 대부분은 악용하기 위해 인증이 필요하지 않습니다. 본 보고서 작성 시점까지 SGLang 유지보수 담당자로부터 패치가 릴리스되지 않았으며, 협업 시도는 성공하지 못했습니다. SafeUnpickler의 블랙리스트 우회를 통해 임의 명령 실행을 허용하는 RCE 취약점이 하나 발생합니다. 덤퍼 서브시스템이 활성화된 경우 샌드박스 탈출을 허용하는 또 다른 RCE가 존재합니다. 멀티모달 생성 엔드포인트는 정제되지 않은 이미지 URL 입력으로 인해 SSRF 및 로컬 파일 읽기에 취약합니다. HuggingFace 저장소에서 모델 가중치를 로드하는 것 또한 pickle 역직렬화를 통해 RCE 위험을 초래합니다. server_info 엔드포인트는 API 키 및 SSL 키 정보를 누출할 수 있습니다. 마지막으로, API 키가 구성되지 않은 경우 모델 가중치가 유출될 수 있습니다. 패치가 제공될 때까지 사용자는 네트워크 액세스를 제한하고, 네트워크 분할을 구현하며, 사용되지 않는 엔드포인트를 비활성화하는 것이 좋습니다.