https://alertas.dupin.com.ar/fabricante/onnx/Alertas de vulnerabilidades de onnx.esMon, 26 Oct 2026 18:18:14 +000010https://alertas.dupin.com.ar/cve/CVE-2026-115919/tg:61332Mon, 26 Oct 2026 18:18:14 +0000VulnerabilidadAntes de 1.22.0, RNNShapeInference_opset1_to_6() procesa nodos RNN y LSTM malformados de los opsets 1 a 6 y GRU de los opsets 3 a 6 sin verificar que la primera entrada tenga rango tres. Accede a dim(0) y dim(1) sobre una forma protobuf subdimensionada, lo que puede leer fuera del campo y terminar la aplicación cuando onnx.shape_inference.infer_shapes() procesa un modelo no confiable que pasa onnx.checker.check_model(). Corregido en 1.22.0.https://alertas.dupin.com.ar/cve/CVE-2026-115920/tg:61331Mon, 26 Oct 2026 18:18:10 +0000VulnerabilidadDesde 1.2.1 hasta 1.22.0, la inferencia de formas de ConvTranspose procesa un tensor de peso con menos de tres dimensiones y sin atributo kernel_shape, deriva un effective_kernel_shape vacío y lo indexa con las dimensiones espaciales de la entrada. Un modelo no confiable que pasa onnx.checker.check_model() puede hacer caer onnx.shape_inference.infer_shapes(), causando denegación de servicio. Corregido en 1.22.0.https://alertas.dupin.com.ar/cve/CVE-2026-115921/tg:61326Mon, 26 Oct 2026 18:18:03 +0000VulnerabilidadDesde 1.4.0 hasta 1.22.0, ScanInferenceFunction, ScanInferenceFunction_opset8 y ScanInferenceFunction_opset9 no validan de forma segura el atributo requerido num_scan_inputs. Un atributo ausente se desreferencia como puntero nulo y un valor negativo se convierte a size_t y puede llegar a una asignación excepcional sobredimensionada. Un modelo no confiable puede terminar o interrumpir la inferencia de formas, incluso uno con valor negativo que pasa onnx.checker.check_model(). Corregido en 1.22.0.https://alertas.dupin.com.ar/cve/CVE-2026-115922/tg:61323Mon, 26 Oct 2026 18:18:01 +0000VulnerabilidadAntes de 1.22.0, _unpack_2bit() y _unpack_4bit() redimensionan los arreglos desempaquetados según TensorProto.dims controlado por el atacante sin verificar que raw_data o int32_data codifiquen la cantidad declarada de elementos. Materializar un tensor UINT2, INT2, UINT4, INT4 o FLOAT4E2M1 no confiable mediante onnx.numpy_helper.to_array() o onnx.reference.ReferenceEvaluator puede expandir una carga empaquetada pequeña a una asignación desproporcionada y agotar la memoria. Corregido en 1.22.0.