近期，AI基础设施领域曝出严重安全警报。知名本地大模型运行框架Ollama被发现存在高危漏洞（编号CVE-2026-7482，被称为“Bleeding Llama”），该漏洞可能导致超过30万台暴露在公网的服务器面临敏感信息泄露的风险。作为一线安全人员，我们认为这一事件再次为企业AI部署敲响了警钟。
漏洞技术原理：内存越界读取
“Bleeding Llama”漏洞的核心位于Ollama的模型量化处理流水线中。研究人员发现，在解析GGUF格式模型文件时，攻击者可以精心构造一个特殊的模型文件，其中声明的张量（tensor）尺寸远大于实际提供的数据量。
从我们的应急响应经验来看，这种典型的越界读取（Out-of-Bounds Read）漏洞，能够强制Ollama在处理模型时越过预定的缓冲区边界，直接读取堆内存中的敏感数据。由于Ollama在运行过程中会将系统提示词、用户交互历史、环境变量（包括各种API密钥、Token）等加载至内存，一旦被攻击者触发，这些高价值资产将直接暴露。
攻击链路分析：无需认证的“任意读取”
该漏洞之所以危险，不仅在于其破坏力，更在于其较低的利用门槛。由于Ollama默认不开启身份认证，且在某些配置下会监听所有网络接口（0.0.0.0），攻击者仅需通过API接口上传恶意构造的GGUF文件，随后发送少量请求，即可获取内存中的关键数据，甚至通过push API将泄露信息回传至攻击者控制的服务器。
这一环节是很多企业容易忽视的。许多开发人员在测试阶段为了方便，常将AI框架直接部署在公网或缺乏内网隔离的区域，却忽略了AI推理引擎本质上是一个高度敏感的数据处理节点。
企业安全部署建议
类似攻击近年来明显增加，AI框架的“野蛮生长”与安全防护的滞后形成了鲜明对比。针对此次事件，Solar应急响应团队建议企业采取以下措施：
首先，立即升级。请尽快将Ollama升级至0.17.1及以上版本，该版本已修复此关键漏洞。
其次，收敛暴露面。严禁将Ollama等AI推理服务直接暴露在公网。对于必须在内网运行的服务，应部署身份验证代理或API网关，并配合防火墙进行严格的IP白名单访问控制。
最后，开展资产审计。企业应建立AI工具的清查机制。很多时候，安全漏洞源于员工私自部署的“影子IT”工具。安全团队需定期扫描网络环境，确保所有AI基础设施均纳入统一的漏洞管理与监控体系。
如果您的业务环境曾将Ollama暴露于公网，请务必假设环境变量及内存数据已被窃取，建议立即轮换所有涉及的API密钥、Token及相关凭证。
如果您想了解勒索病毒的最新发展趋势，或在实际业务中遇到类似安全事件，欢迎关注“Solar应急响应团队”。
全国热线：400-613-6816 官网：www.solarsecurity.cn / www.sierting.com