vLLM框架存在漏洞（CVE-2025-62164），通过恶意提示嵌入可导致远程代码执行

vLLM（增长最快的开源大语言模型推理引擎之一）中最新披露的一个 高严重性漏洞 允许攻击者仅通过提交恶意提示嵌入就可导致服务器崩溃，甚至可能执行任意代码。该漏洞编号为 CVE-2025-62164，CVSS 评分为 8.8，影响 vLLM 0.10.2 及更高版本，使众多 AI 部署和 LLM 驱动的应用面临重大风险。

根据安全公告，“vLLM 0.10.2 及更高版本的 Completions API 端点中存在一个内存损坏漏洞，可导致崩溃（拒绝服务）并可能实现远程代码执行（RCE）。”

该漏洞源于在 Completions API 中反序列化用户提供的嵌入时 验证不足。受影响代码使用 torch.load(tensor, weights_only=True) 加载张量。

但公告警告：“由于 PyTorch 2.8.0 中引入的一项变更，稀疏张量完整性检查默认被禁用……恶意构造的张量可绕过内部边界检查，并在调用 to_dense() 期间触发 越界内存写入。”

正是这种越界写入使漏洞极具危险性——不仅导致服务器崩溃，还可能实现任意代码执行。

该补丁已通过 #27204 合并。

随着 AI 基础设施持续扩展，供应链弱点和底层张量操作缺陷将成为越来越具吸引力的目标。运行 vLLM 的组织应 立即升级，并审计所有面向外部的模型服务接口。