CVE-2026-34760— vLLM 输入验证错误漏洞
一分钟漏洞结论
影响对象
vllm-project vllm
利用判断
尚无明确在野利用证据，仍需结合暴露面评估
建议动作
优先检查厂商安全公告和参考链接中的修复版本；无法立即升级时，限制受影响服务暴露并加强监测。
vLLM是vLLM开源的一个适用于 LLM 的高吞吐量和内存高效推理和服务引擎。 vLLM 0.5.5至0.18.0之前版本存在输入验证错误漏洞，该漏洞源于音频单声道下混算法与国际标准不一致，可能导致AI模型处理的音频与人类听到的音频存在差异。
可能的 ATT&CK 技术 1 AI
T1555.004 · Windows Credential Manager
获取后续新漏洞提醒
登录后订阅
一、 漏洞 CVE-2026-34760 基础信息
漏洞信息
对漏洞内容有疑问？看看神龙的深度分析是否有帮助！
查看神龙十问 ↗
尽管我们使用了先进的大模型技术，但其输出仍可能包含不准确或过时的信息。神龙努力确保数据的准确性，但请您根据实际情况进行核实和判断。
Vulnerability Title
vLLM: Downmix Implementation Differences as Attack Vectors Against Audio AI Models
来源: CVE Program / CVE List V5
Vulnerability Description
vLLM is an inference and serving engine for large language models (LLMs). From version 0.5.5 to before version 0.18.0, Librosa defaults to using numpy.mean for mono downmixing (to_mono), while the international standard ITU-R BS.775-4 specifies a weighted downmixing algorithm. This discrepancy results in inconsistency between audio heard by humans (e.g., through headphones/regular speakers) and audio processed by AI models (Which infra via Librosa, such as vllm, transformer). This issue has been patched in version 0.18.0.
来源: CVE Program / CVE List V5
CVSS Information
CVSS:3.1/AV:N/AC:H/PR:L/UI:N/S:U/C:N/I:H/A:L
来源: CVE Program / CVE List V5
Vulnerability Type
输入验证不恰当
来源: CVE Program / CVE List V5
Vulnerability Title
vLLM 输入验证错误漏洞
来源: 中国国家信息安全漏洞库 CNNVD
Vulnerability Description
vLLM是vLLM开源的一个适用于 LLM 的高吞吐量和内存高效推理和服务引擎。 vLLM 0.5.5至0.18.0之前版本存在输入验证错误漏洞，该漏洞源于音频单声道下混算法与国际标准不一致，可能导致AI模型处理的音频与人类听到的音频存在差异。
来源: 中国国家信息安全漏洞库 CNNVD
CVSS Information
N/A
来源: 中国国家信息安全漏洞库 CNNVD
Vulnerability Type
N/A
来源: 中国国家信息安全漏洞库 CNNVD
受影响产品
| 厂商 | 产品 | 影响版本 | CPE | 订阅 |
|---|---|---|---|---|
| vllm-project | vllm | >= 0.5.5, < 0.18.0 | - |
|
二、漏洞 CVE-2026-34760 的公开POC
| # | POC 描述 | 源链接 | 神龙链接 |
|---|
AI 生成 POC
高级
未找到公开 POC。
登录以生成 AI POC三、漏洞 CVE-2026-34760 的情报信息
请登录查看更多情报信息。
CVE-2026-34760 补丁与修复 (1)
CVE-2026-34760 厂商安全公告 (1)
CVE-2026-34760 厂商页面 (1)
IV. Related Vulnerabilities
V. Comments for CVE-2026-34760
暂无评论