CVE-2026-68770: Kritisk fejl i sentence-transformers

CVE-2026-68770 er en sikkerhedsfejl i sentence-transformers, et Python-bibliotek der bruges til at omdanne tekst til talvektorer i AI- og søgeløsninger. Biblioteket har en indbygget spærre kaldet trust_remote_code, som skal forhindre, at ukendt kode fra en modelmappe bliver kørt. Fejlen ligger i funktionen import_module_class: hvis den angivne modelsti findes på disken, springer spærren over, uanset at trust_remote_code er sat til falsk. En angriber, der kan lægge en fil med navn som modeling_*.py i modelmappen, kan derfor få egen kode kørt, når applikationen indlæser modellen. Fejlen hører til kategorien CWE-94, kodeinjektion.

Det rammer virksomheder og udviklingsteams, der bruger sentence-transformers til chatbots, semantisk søgning, dokumentklassifikation eller andre AI-løsninger baseret på tekstembeddinger. Særligt udsatte er systemer, hvor modelfiler hentes fra delte netværksdrev, cloud-lagre, midlertidige uploadmapper eller andre steder, hvor flere brugere eller processer kan skrive filer. Det gælder både interne dataplatforme og produkter, der er bygget på biblioteket som en underliggende komponent.

Hvis en angriber kan påvirke, hvad der ligger i en modelmappe, for eksempel via en kompromitteret brugerkonto, en sårbar upload-funktion eller en leverandørkæde, kan angriberen få egen kode kørt i den proces, der indlæser modellen. Det giver typisk fuld kontrol over den server eller tjeneste, der kører AI-applikationen, herunder adgang til data, mulighed for at ændre systemet og springbræt videre ind i virksomhedens netværk.

CVSS-score er 9,8 af 10, kritisk. Sårbarheden kræver ikke login og ingen handling fra en bruger, og den kan i princippet udnyttes over netværk, hvis angriberen kan nå den mappe, hvor modellen ligger. I praksis kræver udnyttelse dog, at angriberen først får skrevet en fil i modelmappen, så den reelle risiko afhænger af, hvor åbent modelmapperne er tilgængelige i jeres opsætning. Der er ikke oplysninger om, at fejlen aktivt udnyttes i angreb, men fremgangsmåden er beskrevet detaljeret offentligt.

Gennemgå jeres brug af sentence-transformers og modelmapper, før I gør noget andet.

1. Opdatér sentence-transformers til den nyeste version, så snart en rettelse er tilgængelig, og hold øje med leverandørens meddelelser.
2. Indtil da: sørg for, at modelmapper kun kan skrives af betroede processer og administratorer, ikke af almindelige brugere eller eksterne uploads.
3. Load kun modeller fra kilder, I selv kontrollerer, og undgå at pege SentenceTransformer på delte eller offentligt tilgængelige mapper.
4. Gennemgå eksisterende modelmapper for uventede filer, især filer med navne som modeling_*.py, der ikke stammer fra den originale model.
5. Log og overvåg processer, der indlæser modeller, så uventet kodekørsel kan opdages hurtigt.
6. Har I ikke selv kapacitet til at gennemgå jeres AI-infrastruktur for denne type risiko, bør I hente teknisk hjælp udefra.