開源大型語言模型推論框架SGLang被揭露存在嚴重遠端程式碼執行（RCE）漏洞CVE-2026-5760。攻擊者可製作內含惡意Jinja2模板注入惡意酬載（Payload）的GGUF模型檔，受害者一旦將模型載入SGLang，且有請求進入/v1/rerank端點，攻擊者就可能在目標伺服器上執行任意程式碼。
美國卡內基美隆大學軟體工程研究所旗下的CERT協調中心（CERT/CC）於2026年4月20日公告該漏洞，並將概念驗證公開於GitHub。CERT/CC表示，截至公告發布時，SGLang專案維護者未回應，也未提供修補程式。
SGLang是一套用於部署大型語言模型與多模態模型的開源推論框架，相容OpenAI API規格，支援Qwen、DeepSeek、Mistral與Skywork等主流模型，在開源LLM推論基礎設施領域有一定能見度。
此次漏洞出在SGLang的重新排序（Reranking）功能端點/v1/rerank。該端點在處理相關請求時，會建立Jinja2模板的執行環境，但採用的是未經沙箱限制的設定。這使模型檔中的chat_template在套用時，可能跳脫原有執行限制，在伺服器上執行任意Python程式碼。
攻擊者可先在GGUF格式模型檔的tokenizer.chat_template欄位，植入惡意Jinja2伺服器端模板注入（SSTI）酬載開始，並加入特定觸發內容，引導請求進入含有漏洞的處理流程。受害者要是從HuggingFace等模型平臺下載並載入該惡意模型，只要後續有請求送至/v1/rerank端點，SGLang就可能讀取並套用模型內的chat_template，使惡意酬載在伺服器上執行。攻擊者一旦成功利用此漏洞，便可能取得SGLang服務的執行權限，導致主機遭入侵、橫向移動、資料外洩或阻斷服務（DoS）等風險。
CERT/CC建議，應將_get_jinja_env()函式中的jinja2.Environment()替換為ImmutableSandboxedEnvironment，阻絕任意程式碼執行的可能性。凡是將/v1/rerank端點對外部或不受信任網路開放的SGLang部署，均屬高風險環境，應優先採取緩解措施或評估暫時關閉該端點。
Comments (0)