ExecuTorch整数溢出漏洞技术分析

漏洞概述

CVE-2025-30404是一个存在于ExecuTorch中的整数溢出漏洞，该漏洞在模型加载过程中可能导致内存分配重叠，进而可能引发代码执行或其他不良后果。

技术细节

漏洞本质

这是一个整数溢出或回绕(CWE-190)类型的安全缺陷，当系统执行计算时可能产生整数溢出，而程序逻辑假设结果值总是大于原始值。这种错误在计算用于资源管理或执行控制时可能引入其他安全弱点。

受影响组件

该漏洞影响ExecuTorch在提交d158236b1dc84539c1b16843bc74054c9dcba006之前的所有版本。

攻击向量

• 攻击路径：网络(远程)
• 攻击复杂度：低
• 所需权限：无
• 用户交互：不需要
• 影响范围：未改变

影响评估

安全影响

• 机密性影响：高(可能导致大量信息泄露)
• 完整性影响：高(可能导致严重的完整性破坏)
• 可用性影响：高(可能导致系统完全不可用)

严重程度评分

根据CVSS 3.1评估，该漏洞基础评分为9.8分(严重级别)，具体向量为： CVSS:3.1/AV:N/AC:L/PR:N/UI:N/S:U/C:H/I:H/A:H

受影响版本

• Python(pip)：executorch < 0.7.0
• Swift：executorch < 0.7.0
• Android(Maven)：org.pytorch:executorch-android < 0.7.0

修复方案

已修复版本

• 所有平台的0.7.0及以上版本已包含修复

修复提交

漏洞在提交d158236b1dc84539c1b16843bc74054c9dcba006中得到修复。

参考信息

官方公告

• GitHub安全公告数据库已收录此漏洞
• Meta Platforms安全公告：CVE-2025-30404
• 国家漏洞数据库(NVD)参考编号

漏洞标识

• CVE ID：CVE-2025-30404
• GHSA ID：GHSA-hj95-mhgf-jxc4

风险缓解建议

1. 立即升级：将ExecuTorch升级至0.7.0或更高版本
2. 模型验证：对加载的模型文件进行完整性检查
3. 内存监控：加强运行时内存分配监控机制
4. 输入验证：实施严格的模型文件输入验证机制

总结

CVE-2025-30404是一个高危的整数溢出漏洞，影响ExecuTorch框架的模型加载功能。由于其无需用户交互、无需特权即可通过网络远程利用的特点，加之可能导致的代码执行后果，该漏洞被评定为严重级别。建议所有使用受影响版本的用户立即升级至修复版本。