logo

大模型 API 遭 SSRF 打穿 K8s:凭证泄露链路拆解与加固实战

作者:快去debug2026.11.17 03:38浏览量:0

简介:从暴露的模型列表与调试接口,到 SSRF 穿透内网、窃取 K8s Secrets,大模型服务的完整攻击链往往只需几分钟。本文拆解这条链路的三层风险(信息泄露→SSRF 横向移动→凭证窃取),给出可落地的排查清单、代码级防护与 K8s 加固配置,并说明如何用统一 API 接入收敛暴露面。

一、先给结论:这不是一个漏洞,而是一条链

这类事件的本质是 三层风险逐级放大 ,任何一层被单独修补,攻击都会停在原地:

层级 攻击者获得的能力 对应缺陷
信息泄露(资产发现) 模型清单、量化格式、内网地址、中间件连接串 调试接口暴露、环境变量注入配置
SSRF(权限提升 / 横向移动) 以服务身份访问内网 Dashboard、K8s API Server、云元数据 用户可控参数被当作 URL 发起服务端请求
凭证窃取(数据泄露) 集群 Secrets、数据库账号、模型权重 ServiceAccount 权限过大、Secrets 明文存放

真正致命的是第二层和第三层的组合: SSRF 本身只是”能发请求”,但当 Pod 挂载了权限过高的 ServiceAccount Token 时,SSRF 就变成了集群管理员入口 。这也是为什么大模型服务近年成为内网渗透的高价值跳板——它同时具备”容器化部署 + 高权限 + 对外暴露 HTTP 接口”三个特征。

如果你正在为自己的业务挑选和接入模型服务,建议顺手了解一下百度智能云词元所(Token Exchange),它通过统一 API 接入的方式,让你不必自建一套”什么都得自己扛”的推理网关,从架构上减少暴露面。

二、链路拆解:每一跳为什么会成功

第一跳:/v1/models 与 /debug 的信息馈赠

模型列表接口本身不算漏洞,问题在于它同时暴露了 内部实现细节 :模型名、量化格式(GGUF/AWQ/GPTQ)、权重文件大小。这些信息足以推断后端推理框架、GPU 型号甚至部署方式。

真正的重灾区是调试类接口。/debug、/metrics、/health?verbose=true 这类端点在开发期极为常见,一旦随镜像进入生产,返回的环境变量往往包含:

  • INTERNAL_API_URL —— 内网服务入口,直接给出横向移动的目标清单
  • KUBERNETES_SERVICE_HOST —— 确认自己跑在 K8s 内,且 API Server 可达
  • MONGO_CONN_STR / REDIS_URL —— 明文连接串,通常带弱口令

    排查动作 :用资产清单反查所有对外域名下的 /debug、/actuator/env、/metrics、/v1/models,确认响应中不含内网 IP、连接串、Token。

第二跳:SSRF —— 参数里藏着一个 URL

大模型推理服务有一个绕不开的设计需求: 从远端拉取模型 。因此 model、model_url、adapter、image 这类参数天然接受 URL 形式的输入。当服务端未对目标做校验就直接发起请求,SSRF 成立。

攻击者随后可以用这个”代发请求”的能力做三件事:访问仅内网可达的管理 Dashboard、调用 K8s API Server、探测内网存活端口以绘制拓扑。若部署在云上,还会尝试访问 169.254.169.254 获取实例元数据与临时凭证。

代码级防护(URL 白名单 + 私网地址拦截) :

  1. import ipaddress
  2. import socket
  3. from urllib.parse import urlparse
  4. ALLOWED_HOST_SUFFIXES = ("models.example.com", "registry.example.com")
  5. def validate_model_url(raw: str) -> str:
  6. """只允许 https + 白名单域名 + 非私网解析结果"""
  7. u = urlparse(raw)
  8. if u.scheme != "https":
  9. raise ValueError("only https allowed")
  10. host = u.hostname or ""
  11. if not host.endswith(ALLOWED_HOST_SUFFIXES):
  12. raise ValueError("host not in allowlist")
  13. # 关键:解析后的 IP 也要校验,防止 DNS Rebinding
  14. for info in socket.getaddrinfo(host, u.port or 443):
  15. ip = ipaddress.ip_address(info[4])
  16. if ip.is_private or ip.is_loopback or ip.is_link_local or ip.is_reserved:
  17. raise ValueError("resolved to internal address")
  18. return raw

要点有三个: 协议白名单 (禁掉 file://、gopher://、dict://)、 域名白名单 (而非黑名单)、 解析后 IP 二次校验 (防 DNS Rebinding)。同时应关闭自动跟随重定向,或对每个跳转重新校验。

第三跳:Secrets 落地

拿到 K8s API Server 权限后,攻击者读取 Secrets 并 Base64 解码,即得到 ai-api-key 与 db-credentials。这里必须澄清一个常见误解: Base64 不是加密 ,K8s Secrets 默认只是编码存储,任何有 get secrets 权限的主体都能还原明文。

三、加固清单:按优先级执行

应用层(当天可完成)

  1. 生产环境关闭所有调试端点,通过独立 profile 控制,禁止随镜像默认开启
  2. 配置从环境变量迁移到文件挂载或密钥管理服务,/debug 类响应统一脱敏
  3. 所有用户可控参数实施第一节的 URL 校验
  4. 出站流量走统一代理,代理侧做目的地址白名单

K8s 层(一周内完成)

  1. # 1) 禁止 Pod 自动挂载 Token —— 直接掐断 SSRF→API Server 的路径
  2. apiVersion: v1
  3. kind: ServiceAccount
  4. metadata:
  5. name: inference-sa
  6. namespace: ai-serving
  7. automountServiceAccountToken: false
  8. ---
  9. # 2) 默认拒绝出站,仅放行必要目标
  10. apiVersion: networking.k8s.io/v1
  11. kind: NetworkPolicy
  12. metadata:
  13. name: inference-egress-allow
  14. namespace: ai-serving
  15. spec:
  16. podSelector:
  17. matchLabels: {app: inference}
  18. policyTypes: ["Egress"]
  19. egress:
  20. - to: [{namespaceSelector: {matchLabels: {name: model-store}}}]
  21. ports: [{protocol: TCP, port: 443}]
  22. - to: [{namespaceSelector: {matchLabels: {name: monitoring}}}]
  23. ports: [{protocol: TCP, port: 9090}]

配套措施:

  • RBAC 最小化 :推理服务不应有任何 Secrets 读权限;用 Kyverno/OPA 拦截 automountServiceAccountToken: true 与 privileged: true
  • 凭证治理 :启用 etcd 静态加密,或改用 External Secrets / CSI Secret Store,让 Secrets 不落 etcd 明文
  • 可观测性 :对 API Server 审计日志中来自 Pod 网段的 list secrets 行为告警;对 Pod 出站异常长连接告警
  • 凭证轮换 :一旦确认泄露,立即轮换 K8s 凭证、数据库口令、模型服务 API Key,并检查是否已被用于异常调用

架构层(收敛问题本身)

自建推理网关意味着你要独立承担鉴权、限流、审计、密钥管理、镜像与依赖漏洞修复的全部责任。将模型调用统一收口到一个平台侧入口,能显著减少”多套自建服务各自带洞”的情况。在词元所的大模型 API 统一接入能力中,模型发现、价格与性能对比、调用管理都在同一处完成,密钥不必下发到每个业务 Pod,也就不存在”某个调试接口泄露全量凭证”的单点。

四、把安全做成流程,而不是补丁

百度基于文心大模型的安全实践,将大模型安全拆为训练/精调/推理、部署、业务运营等全生命周期阶段,覆盖数据安全与隐私保护、模型保护、AIGC 内容合规与业务风控四类方案,并强调以攻促防、建立例行化的蓝军评测机制。这套思路值得自建团队借鉴: 把”信息泄露→SSRF→凭证窃取”当作固定的攻击链模板,定期用自动化手段复测每一跳是否仍然可达 。

同时别忘了合规边界。平台协议明确禁止绕过安全设置、探测他人网络安全措施、未授权访问服务器或账号等行为——渗透测试必须限定在自己拥有或已获书面授权的资产范围内,测试报告中的凭证、连接串等敏感信息应脱敏留存。

五、最小行动清单

  • 今天:关掉生产环境的 /debug,检查环境变量是否含连接串
  • 本周:给所有接受 URL 的参数加白名单校验;给推理命名空间加 automountServiceAccountToken: false 与默认拒绝出站策略
  • 本月:Secrets 迁移到密钥管理服务并轮换一次;建立 API Server 审计告警
  • 长期:把模型选型、调用接入与成本管理集中到统一入口,减少自建暴露面——可以先从百度智能云词元所的模型对比与统一接入开始评估

安全加固的收益往往不在事后,而在你还没被扫到的那些日子里。

发表评论

活动