CVE-2026-47835: Kritisk sårbarhed i VMware Spring AI
Sårbarhed i Spring AI lader angribere køre vilkårlige databaseforespørgsler mod jeres AI-søgeindeks uden login.
Hvad er det?
CVE-2026-47835 er en sårbarhed i VMware Spring AI, et populært udviklingsframework til at bygge AI-funktioner ind i virksomhedssystemer. Problemet opstår i de komponenter, der styrer såkaldte vector stores — databaser der gemmer og søger i AI-genereret data.
Hvis jeres system bruger Spring AI til at søge i data via Elasticsearch, OpenSearch eller GemFire, kan en angriber sende specially udformede tegn i en søgeforespørgsel og dermed narre systemet til at udføre sine egne, uautoriserede databasekommandoer. Det kaldes en query injection (indsmugling af kommandoer i en søgeforespørgsel).
Hvem rammer det?
Sårbarheden rammer virksomheder, der har udviklere eller leverandører som har bygget løsninger på Spring AI version 1.0.0–1.0.8 eller 1.1.0–1.1.7. Det er typisk:
- Virksomheder med interne IT-systemer eller kundevendte applikationer der bruger AI-søgefunktioner.
- Softwareleverandører der leverer systemer bygget på Spring AI til SMV’er.
- Virksomheder der bruger Elasticsearch, OpenSearch eller GemFire som søgedatabase koblet til Spring AI.
Bruger du ikke Spring AI, er du ikke berørt. Er du i tvivl, så spørg din IT-leverandør.
Hvad kan ske?
En angriber uden nogen form for login kan udnytte sårbarheden udefra via internettet. Det kan medføre:
- Datalæk (høj risiko): Angriberen kan læse fortrolige data fra jeres AI-søgedatabase — f.eks. kundedata, interne dokumenter eller forretningskritisk information.
- Manipulation af data (lav-middel risiko): Angriberen kan i begrænset omfang ændre eller slette data i databasen.
- Forstyrrelse af drift (lav-middel risiko): Søgetjenesten kan bringes til at opføre sig fejlagtigt eller gå ned.
Den alvorligste konsekvens er uvedkommendes adgang til de data, I har gemt i jeres AI-søgeindeks.
Hvor alvorligt er det?
Sårbarheden er vurderet til 8.6 ud af 10 (Alvorlig) af det internationale NVD-sikkerhedssystem. Den scorer højt fordi:
- Den kan udnyttes over internettet uden login og uden særlig teknisk viden.
- Den kræver ingen handling fra en bruger — angriberen handler alene.
- Konsekvensen for fortrolighed af data er høj.
Det er ikke den absolut højeste kategori, men tæt på. Virksomheder med følsomme data i berørte systemer bør handle hurtigt.
Hvad gør jeg nu?
Følg disse trin for at håndtere sårbarheden:
- Find ud af om I er berørt: Spørg jeres IT-afdeling eller softwareleverandør om jeres systemer bruger Spring AI version 1.0.0–1.0.8 eller 1.1.0–1.1.7 med Elasticsearch, OpenSearch eller GemFire.
- Opdatér Spring AI hurtigst muligt: Opdatér til version 1.0.9 eller nyere (i 1.0.x-serien), eller til version 1.1.8 eller nyere (i 1.1.x-serien). Rettelserne er tilgængelige nu.
- Begræns adgang midlertidigt: Hvis opdateringen ikke kan gennemføres straks, så overvej at begrænse adgangen til de berørte søgefunktioner til betroede netværk eller brugere, mens I afventer patch.
- Tjek logfiler: Bed jeres IT-folk gennemgå logfiler fra de berørte systemer for tegn på usædvanlige forespørgsler eller adgang.
- Informér jeres leverandør: Bruger I et eksternt system baseret på Spring AI, så kontakt leverandøren og bekræft at de har rettet problemet.
Opdatér inden for 7 dage
Vi anbefaler, at du straks kontakter din IT-leverandør eller interne IT-ansvarlige og beder om en bekræftelse på, om jeres systemer er berørt. Hvis de er, skal opdatering til Spring AI 1.0.9 eller 1.1.8 prioriteres som en hasteopgave — gerne inden for denne uge. Sårbarheden er nem at udnytte udefra og kan give direkte adgang til data i jeres AI-søgedatabase, så det er ikke noget, der bør vente til næste planlagte vedligeholdelsesvindue.
Tidslinje
Konkrete eksempler
Angriber læser fortrolige dokumenter via søgefeltet
En virksomhed bruger Spring AI til at lade medarbejdere søge i interne dokumenter via en chatbot. En angriber sender en søgeforespørgsel med specialtegn, der ændrer den underliggende databasekommando. I stedet for blot at søge på det angivne søgeord, returnerer systemet nu alle dokumenter i databasen — inklusive fortrolige kontrakter og personaledokumenter som angriberen aldrig skulle have adgang til.
Manipulation af AI-søgeresultater i en webshop
En webshop bruger Spring AI med OpenSearch til at drive produktanbefalinger. En angriber injicerer en kommando via søgefeltet, der ændrer hvilke produkter der vises som ‘anbefalede’. Det kan bruges til at skjule konkurrenters produkter, fremhæve specifikke varer eller kortlægge hele produktdatabasens struktur som forberedelse til et større angreb.
Kortlægning af systemet som optakt til videre angreb
En angriber bruger sårbarheden ikke til at stjæle data direkte, men til at stille en række forespørgsler der kortlægger, hvad systemet indeholder, hvilke felter der findes, og hvordan databasen er struktureret. Disse oplysninger bruges efterfølgende til at planlægge et mere målrettet angreb eller til at sælge adgangen videre på kriminelle markedspladser.
Ofte stillede spørgsmål
Bruger vi Spring AI — hvordan finder vi ud af det?
Spring AI er et udviklingsbibliotek, som typisk er valgt af de udviklere eller leverandører, der har bygget jeres system. Spørg jeres IT-leverandør direkte: ‘Bruger vores system Spring AI til AI-søgefunktioner, og er det version 1.0.0–1.0.8 eller 1.1.0–1.1.7?’ De bør kunne svare hurtigt.
Kan vi se om nogen allerede har udnyttet sårbarheden mod os?
Det kræver gennemgang af systemlogfiler. Bed jeres IT-ansvarlige kigge efter usædvanlige eller meget lange søgeforespørgsler, forespørgsler med specialtegn som enkelt-anførselstegn, citationstegn eller skråstreger, eller adgang på uventede tidspunkter. Det er en opgave for en tekniker, men det er fornuftigt at bede om en hurtig gennemgang.
Hvad er en 'vector store', og hvorfor er den følsom?
En vector store er en speciel database, der gemmer information på en måde, som AI-systemer kan søge i — for eksempel jeres interne dokumenter, produktbeskrivelser eller kundedata brugt til AI-assistenter. Fordi disse databaser kan indeholde fortrolige oplysninger, er det alvorligt, hvis en uautoriseret person kan søge frit i dem.
Er det nok at opdatere, eller skal vi gøre mere?
Opdateringen lukker sårbarheden og er det vigtigste skridt. Udover opdateringen er det god praksis at gennemgå logfiler for at sikre, at ingen allerede har udnyttet hullet, og at bekræfte at der ikke er andre forældede komponenter i samme system. Din IT-leverandør kan hjælpe med begge dele.
Vi kan ikke opdatere med det samme — hvad gør vi?
Som midlertidig foranstaltning kan I begrænse adgangen til de berørte søgefunktioner, så de kun er tilgængelige fra jeres interne netværk eller via VPN (krypteret fjernforbindelse). Det reducerer risikoen, men fjerner den ikke helt. En opdatering er den eneste varige løsning, og den bør gennemføres hurtigst muligt.
Hvem er ansvarlig for at fikse dette — os eller vores IT-leverandør?
Det afhænger af jeres aftale. Bruger I et system leveret og driftet af en ekstern leverandør, er det typisk leverandørens ansvar at opdatere. Er systemet udviklet til jer og I selv driver det, er det jeres ansvar. Uanset hvad bør I tage kontakt til leverandøren i dag og bede om en skriftlig bekræftelse på, at de har håndteret problemet.
Ramte produkter
Vmware — Spring Ai
≥ 1.0.0, < 1.0.9
Vmware — Spring Ai
≥ 1.1.0, < 1.1.8
CVSS-detaljer
CVSS:3.1/AV:N/AC:L/PR:N/UI:N/S:U/C:H/I:L/A:L
CWE-svaghedstyper
Original NVD-beskrivelse (engelsk)
In Spring AI Vector Stores, special characters could be used to force the execution of arbitrary queries in Elasticsearch, OpenSearch, and GemFire VectorDB. Affected components: spring-ai-elasticsearch-store, spring-ai-opensearch-store, spring-ai-gemfire-store.
Affected versions:
Spring AI 1.0.0 through 1.0.x (fix 1.0.9).
Spring AI 1.1.0 through 1.1.x (fix 1.1.8).
Brug for hjælp med jeres sikkerhed?
Vi hjælper SMV’er med at omsætte trusler som denne til konkrete handlingsplaner.