Ollama-Sicherheitslücke: Out-of-Bounds Read mit kritischem Schweregrad
Cybersecurity-Forscher haben eine kritische Sicherheitslücke in Ollama öffentlich gemacht. Die Schwachstelle ermöglicht es einem Remote-Angreifer, ohne Authentifizierung den gesamten Prozessspeicher einer betroffenen Instanz auszulesen.
Die Vulnerability im Überblick
Das als CVE-2026-7482 registrierte Out-of-Bounds-Read-Exploit erhält eine CVSS-Bewertung von 9.1 und wurde von Cyera mit dem Codenamen "Bleeding Llama" bezeichnet. Der Schweregrad unterstreicht das erhebliche Risiko dieser Schwachstelle.
Nach aktuellem Erkenntnisstand sind über 300.000 Server weltweit potenziell betroffen. Das ist eine erhebliche Angriffsfläche, da Ollama vielfach als lokale LLM-Plattform in Entwicklungsumgebungen und produktiven Deployments eingesetzt wird.
Auswirkungen und Risiken
Ein erfolgreich ausgenutzetes Out-of-Bounds-Read kann sensible Daten im Speicher einer Ollama-Instanz offenlegen. Das könnte bedeuten:
- Secrets und API-Keys: Falls in denselben Prozess embedded, könnten Authentifizierungsdaten exfiltriert werden
- Modelldaten und Inferenzen: Informationen über laufende Abfragen und deren Ergebnisse
- Systemkonfigurationen: Details über die zugrunde liegende Infrastruktur
- Weitere Anwendungsdaten: Beliebige Inhalte im Speicherraum
Da das Exploit remote und ohne Authentifizierung funktioniert, kann jeder Netzwerker mit Zugriff auf die Ollama-Instanz die Lücke ausnutzen.
Handlungsempfehlungen
Sofortmaßnahmen:
- Ollama-Instanzen überprüfen und auf verfügbare Sicherheits-Patches updaten
- Instanzen nicht direkt ins Internet exponieren; nur über VPN oder interne Netzwerke erreichbar machen
- Netzwerk-Zugriff auf bekannte, vertrauenswürdige IPs begrenzen
- Monitoring und Logging für verdächtige Zugriffe aktivieren
Mittelfristig:
- Den offiziellen Security Advisory von Ollama im Auge behalten
- Geschäftskritische Systeme mit gepatchten Versionen neu deployen
- Sicherheits-Updates in den regulären Release-Prozess integrieren
Kontext
Ollama hat sich als populäre Lösung für lokale LLM-Deployments etabliert. Die Plattform ermöglicht es Entwicklern und Organisationen, große Sprachmodelle lokal auszuführen. Je verbreiteter solche Tools sind, desto attraktiver werden sie für Angreifer – die Anzahl der potenziellen Ziele entscheidet.
Diese Sicherheitslücke ist ein Reminder, dass auch spezialisierte ML-Infrastruktur denselben Sicherheitsstandards unterliegen sollte wie andere Softwarekomponenten. Ein promptes Patching ist essentiell.