$ curl http://<exposed-host>:11434/api/tags
llama3.1:8bqwen3.6:27bglm-5.3:cloudnomic-embed-text:latestdeepseek-v4-pro:cloud103.249.201[.]108:9882/trigger/benign:latestgemma4:e4bzzvitals-beacon:latesthuihui_ai/Qwen3.8-abliterated:latestgpt-4o:latestclaude-3-opus:latesttinyllama:latestkimi-k2.7-code:cloudverif_sys:latest<tunnel>.trycloudflare[.]com/read/x5fa4534:b1qwen2.5-coder:7bpwn_ctl_<this-host-ip>_ae52…:latestminimax-m3:cloudttl[.]sh/dsv40110/dsv4probe:24hbge-m3:latest<tunnel>/L2V0Yy9zaGFkb3c → /etc/shadowHuihui-CyberStrike-OffSec-35B-abliteratedsmollm2:135mops-verify:latestmistral-large-4:cloud<tunnel>/L3Byb2Mvc2VsZi9lbnZpcm9u → /proc/self/environqwen3-embedding:0.6bgpt-4o:latest-copy-test
локальная модельмодель с маршрутизацией в облаке или без цензурыоставлено третьей стороной
Более половины открытых серверов Ollama в этом сканировании уже были затронуты кем-то, кто не является их владельцем. Я не имею в виду теоретическую уязвимость. Я имею в виду видимые следы использования: имена моделей, которые на самом деле являются обратными адресами (callback-адресами), теги с IP-адресом самого сервера и строки в кодировке Base64, которые декодируются в /etc/shadow.
Статистика открытости обычно описывает риск. Эти списки моделей описывают активность. Неаутентифицированный вызов /api/tags — это запрос только на чтение, и на тысячах машин он возвращает нечто похожее на журнал посещений.
Ниже представлено то, что показывают данные, куда, по моему мнению, они ведут, и что я бы предпринял в понедельник утром. Я пометил утверждения как [Наблюдение], [Интерпретация] или [Гипотеза], чтобы вы могли видеть, где заканчиваются факты.
Сначала число, которому я не доверяю
Сканер сообщил о 14 064 находках на 11 891 IP-адресе и пометил 14 060 из них как уязвимые, а 387 — как критические. Если бы я вынес это в заголовок, он бы отлично разошелся. Но это также было бы неправдой.
[Наблюдение] 148 IP-адресов возвращают точно такой же отпечаток (fingerprint): Grafana на 3000, Jupyter на 8888, Ollama на трех портах, каждый из которых обслуживает одну модель, llama3.1:8b. Они находятся у пяти разных хостинг-провайдеров в пяти странах. Еще 281 адрес отвечает как от двух до пяти разных продуктов на одном порту. Реальные серверы делают так крайне редко. Сенсоры и универсальные обработчики запросов занимаются этим целыми днями.
[Интерпретация] Скорее всего, это инфраструктура для введения в заблуждение (deception), управляемая исследователями, вендорами или злоумышленниками, которые наблюдают за тем, кто стучится в двери. Если убрать эти 429 адресов, количество критических уязвимостей сократится с 387 до 39. Количество находок MLflow упадет со 126 до 4. Ханипоты выглядят чрезвычайно уязвимыми. В этом и заключается вся их работа.
Что отметил сканер по сравнению с тем, что подтвердилось
Находок на продукт до и после удаления идентичного парка из 148 хостов и пар IP:порт, которые отвечают как несколько продуктов.
Ollama
8 193 отмечено
7 675 подтвердилось
Streamlit
4 939 отмечено
4 700 подтвердилось
Grafana
475 отмечено
123 подтвердилось
Jupyter Notebook
265 отмечено
38 подтвердилось
MLflow
126 отмечено
4 подтвердилось
JupyterHub
66 отмечено
11 подтвердилось
Еще два уточнения, прежде чем мы пойдем дальше. Проверка работоспособности (health check) Streamlit, возвращающая ok, говорит лишь о том, что приложение подключено к интернету, а не о том, что оно уязвимо. Кроме того, целевой список был предварительно отобран: 58% из 20 354 хостов дали результат, что намного выше любого базового показателя по всему интернету. Поэтому воспринимайте общие суммы как выборку из гораздо более крупной совокупности, а не как перепись.
То, что осталось, все равно вызывает беспокойство: 7 714 находок на 7 627 хостах, где API ИИ или блокнота (notebook) отвечал без аутентификации, и почти во всех случаях это была Ollama. Лишь 0,3% всех находок обслуживались по протоколу HTTPS.
Урок для всех, кто публикует показатели открытости, включая нас: если вы считаете баннеры и проверки работоспособности, вы измеряете то, как интернет преподносит себя. Вы не измеряете то, как он себя ведет.
Это арендованные вычислительные мощности, а не корпоративный дата-центр
Где живут открытые ИИ-сервисы
Полная отфильтрованная выборка: 11 676 хостов в 115 странах. Доступная базовая карта визуализирует 11 158 хостов в 109 странах; 518 хостов в шести странах не представлены. Закраска стран показывает количество хостов; точки показывают местоположение на уровне городов, размер точек пропорционален числу находок.
01,000+в основном Ollamaв основном другие сервисы
[Наблюдение] Примерно 65% хостов находятся в сетях хостинг-провайдеров или облачных провайдеров, причем на шесть провайдеров (OVHcloud, Hetzner, Contabo, Oracle Cloud, Tencent Cloud и DigitalOcean) приходится 42% всего объема. Они распределены по 1 656 сетям, но сконцентрированы в тех местах, где можно арендовать мощный сервер за пять минут.
[Интерпретация] Германия лидирует по количеству открытой Ollama (1 306 хостов), опережая Китай и США. Я не считаю это признаком немецкой беспечности. Hetzner и Contabo — немецкие компании, OVH имеет большую европейскую инфраструктуру, и все три являются выбором по умолчанию для того, кто хочет протестировать модель сегодня во второй половине дня, не обращаясь в отдел закупок. География следует за прайс-листом.
Открытая Ollama по странам
Германия1 306
Китай1 130
США1 097
Франция549
Индия301
Канада293
Великобритания290
Южная Корея275
Финляндия206
Сингапур180
Топ сетей, все сервисы
OVHcloud908
Hetzner882
Contabo866
Oracle Cloud852
Tencent Cloud709
DigitalOcean644
Google Cloud289
Корея Телеком225
Microsoft219
IONOS183
[Интерпретация] Такие машины редко фигурируют в CMDB (базе данных управления конфигурациями). Как правило, их арендуют с помощью кредитной карты команды, которым срочно потребовались вычислительные мощности, а к корпоративным данным их подключают позже. Ваша поверхность атаки теперь включает в себя отчеты ваших разработчиков о командировочных и представительских расходах.
Что на самом деле запущено
[Наблюдение] На открытых серверах Ollama было обнаружено 106 938 записей моделей и 18 733 уникальных тега — в среднем около 14 на хост. Локально доминирует Qwen, за ним следуют Llama и Gemma. Но более важное разделение проходит между моделями, которые запускаются локально на этом сервере, и моделями, запросы к которым этот сервер просто маршрутизирует.
Локальные модели против моделей с облачной маршрутизацией, по семействам
Количество открытых хостов Ollama, содержащих хотя бы одну модель из каждого семейства. Модели-маркеры третьих сторон исключены.
Хосты, запускающие модель локальноХосты, указывающие ее как модель с тегом :cloud
4 630Qwen (Alibaba)218
3 349Llama (Meta)1
1 917Gemma (Google)150
862DeepSeek4 981
852GLM (Zhipu)5 720
3MiniMax4 935
12Kimi (Moonshot)2 462
643Mistral2 571
382gpt-oss (OpenAI)220
335Phi (Microsoft)Н/Д
2 020Эмбеддинги (Embeddings)Н/Д
546Изображения/зрение (Image/vision)Н/Д
Сервер превращается в шлюз
[Наблюдение] 79% открытых хостов Ollama указывают по меньшей мере одну модель с тегом :cloud, в основном это варианты GLM, DeepSeek, MiniMax и Kimi. Гибридный режим Ollama маршрутизирует эти запросы через локальный демон на сайт ollama.com, если хост был авторизован с помощью команды ollama signin, которая связывает локальный ключ ed25519 в файле ~/.ollama/id_ed25519 с учетной записью пользователя.
[Интерпретация] Открытый и авторизованный сервер может предоставить доступ к чужой платной подписке, причем счет за нее придет владельцу. Это локальная версия угона LLM (LLM-jacking), и для нее вообще не требуется никаких эксплойтов.
[Гипотеза] Указанный облачный тег не доказывает, что хост действительно авторизован (выполнен вход в систему), и мы не тестировали процесс инференса (генерации). Но те же самые семь облачных моделей появляются вместе на 1,295 никак не связанных между собой хостах. Этот паттерн меньше похож на тысячи индивидуальных выборов и больше — на автоматизированные запросы от третьих сторон, проверяющих, какие серверы будут обслуживать их запросы.
Средства защиты необязательны, как и входная дверь
[Наблюдение] 28% доступных извне узлов Ollama содержат хотя бы одну «обезглавленную», «еретическую» или «нецензурированную» модель — версии с намеренно удаленным поведением отказа отвечать, включая вариант тонкой настройки, названный в честь работ по наступательной безопасности. Запуск таких моделей легален и часто имеет веские исследовательские причины. Однако их запуск без аутентификации в интернете означает, что любой получает нелогируемую, неотфильтрованную модель на вашем оборудовании.
[Наблюдение] 28% также запускают модели встраивания (embedding), такие как nomic-embed-text или bge-m3. [Интерпретация] Встраивания — это водопровод систем дополненной генерации (RAG). Эти серверы, вероятнее всего, подключены к конвейерам, которые читают внутренние документы, из-за чего открытый сервер превращается в мост, а не в изолированный остров.
Размеры моделей на открытых хостах
Локальные теги моделей с указанием количества параметров в названии. Большинство из них достаточно малы для запуска на арендованном VPS.
<2B3,967 тегов
2–9B7,705 тегов
10–34B5,929 тегов
35–99B845 тегов
100B+143 тегов
Журнал посетителей
Вот вывод, который, по моему мнению, заслуживает наибольшего внимания. API Ollama позволяет любому вызывающему абоненту загружать модель из любого реестра, копировать или создавать модели и отправлять их в другое место. Без аутентификации список моделей становится записью о том, что незнакомцы просили сервер сделать.
Признаки сторонней активности на открытых серверах Ollama
Любой сторонний артефакт54,8% (4209)
Маркерные модели / «Я здесь был»40,3% (3091)
Загружено из неофициального реестра34,7% (2666)
…с чистого IP:порта23,7% (1817)
…через бесплатный туннель или временный реестр22,4% (1721)
Алиасы gpt-4o / claude-3-opus15.5% (1190)
Пейлоады в виде закодированных путей файлов0,7% (55)
[Наблюдение] 24% хостов содержат модели, загруженные с чистого IP-адреса и порта. 22% содержат модели, загруженные через бесплатное туннелирование или одноразовые службы реестра: Cloudflare quick tunnels, ttl.sh, bore.pub, Pinggy. Когда сервер загружает данные из контролируемого вами адреса, он перезванивает вам. Это чистый и надежный способ подтвердить, что цель доступна, доступна для записи и способна устанавливать исходящие соединения: классическая подделка запросов на стороне сервера (SSRF), предлагаемая как функция.
[Наблюдение] В названиях 712 моделей зашит IP-адресом сервера, на котором они находятся. [Интерпретация] Это ведение инвентаризации. Кто-то помечает цели, чтобы их инструменты могли распознать их позже. То же самое относится к повторяющимся маркерам, таким как zzvitals-beacon, verif_sys и ops-verify, каждый из которых найден на сотнях хостов, а также к именам, заканчивающимся на -copy-test, что указывает на проверку работоспособности конечной точки копирования.
[Гипотеза] Трио gpt-4o, gpt-4 и claude-3-opus, обнаруженное вместе на 1190 хостах, почти всегда рядом с tinyllama, выглядит как крошечная локальная модель, скопированная под премиальными именами. Это либо проверка записи, либо способ заставить сервер выглядеть так, будто он предлагает передовые модели любому, кто обнаружит его следующим. Я бы не стал гадать, что именно.
Как список моделей превращается в поверхность атаки
- 1НайдитеМассовое сканирование порта 11434 и аналогичных. Никакой аутентификации для преодоления.
Массовое сканирование порта 11434 и аналогичных. Никакой аутентификации для преодоления.
- 2Список/api/tags раскрывает модели, облачную маршрутизацию и предыдущих посетителей.
/api/tags раскрывает модели, облачную маршрутизацию и предыдущих посетителей.
- 3Обратный вызовЗагрузка с IP-адреса или туннеля, который вы контролируете. Загрузка подтверждает доступность и исходящий трафик.
Загрузка с IP-адреса или туннеля, который вы контролируете. Загрузка подтверждает доступность и исходящий трафик.
- 4МеткаСоздание или копирование модели с именем хоста. Доказательство доступа на запись и флаг захвата.
Создание или копирование модели с именем хоста. Доказательство доступа на запись и флаг захвата.
- 5ДоступСоздание манифестов, указывающих на локальные файлы, секреты и ключи, или использование облачной учетной записи владельца.
Создание манифестов, указывающих на локальные файлы, секреты и ключи, или использование облачной учетную записи владельца.
К чему они стремились
[Наблюдение] На 55 хостах имена моделей содержат строки Base64 или шестнадцатеричные строки, которые декодируются в пути к файлам. Цели выглядят как контрольный список после эксплойта: /etc/shadow, /etc/passwd, /proc/self/environ, собственный юнит systemd для Ollama и его override.conf (куда люди обычно помещают переменные среды и ключи API), SSH authorized_keys, конфигурация AWS, конечная точка метаданных Oracle Cloud, а на 10 хостах — сам закрытый ключ Ollama. Несколько точек указывают на /etc/ld.so.preload и новые файлы служб systemd, которые являются местами для закрепления, а не материалом для чтения.
Декодированные файловые цели по назначению
Хосты с хотя бы одним закодированным путем в каждой категории.
Снятие отпечатков с хоста47 хостов
Секреты в конфигурации окружения / служб28 хостов
Учетные данные и ключи15 хостов
Пути закрепления11 хостов
Конечная точка метаданных облака1 хост
[Интерпретация] Это повторяет метод, опубликованный Wiz как Probllama (CVE-2024-37032) в 2024 году: полезная нагрузка обхода путей в поле дайджеста манифеста модели, обеспечивающая произвольную запись файлов через /api/pull, чтение файлов через /api/push и выполнение кода путем повреждения /etc/ld.so.preload. Ollama исправила это в версии 0.1.34 в мае 2024 года. Мы не можем определить по этим спискам, использовала ли какая-либо цель уязвимую сборку, поэтому попытка доказывает намерение, а не успех. Кто-то все еще считает, что стоит попытаться сделать это спустя два с половиной года, что говорит о том, что метод остается достаточно полезным для продолжения тестирования.
Экономику трудно игнорировать. Злоумышленник использует бесплатные туннели, бесплатные одноразовые реестры и, в конце концов, ваш компьютер и вашу облачную подписку. Стоимость атаки на одну цель стремится к нулю.
Никто не читает список моделей
Временные метки, зашитые в названиях сторонних моделей
Временные метки Unix, обнаруженные в названиях маркеров и зондов, по месяцам создания.
1,026
116
ИюнИюлАвгСенОктНоя 1–3
[Наблюдение] Некоторые из этих маркеров были созданы в июне и все еще оставались на месте 10 ноября. [Интерпретация] Когда модель незнакомца находится на вашем сервере в течение пяти месяцев, уязвимость — это еще не главная проблема. Главная проблема заключается в том, что у сервера нет владельца.
Наиболее частые реестры обратного вызова, обнаруженные в именах моделей
Обезврежено. Некоторые из них выглядят как крупномасштабное исследовательское сканирование; слово «benign» (доброкачественный) в пути — это утверждение, а не гарантия. Рассматривайте это как контекст для поиска, а не как атрибуцию.
Что бы я изменил, увидев эти данные
Исследования экспозиции нуждаются во втором вопросе.
«Открыто ли это?» — это простая часть. «Было ли это затронуто?» — полезная часть, и для сред выполнения ИИ ответ часто кроется в ответе API только для чтения. Защитники должны проводить триаж по артефактам, а не по баннерам.
Среды выполнения моделей становятся брокерами учетных данных.
Как только локальный демон получает возможность маршрутизировать запросы к платной облачной модели с помощью ключа на диске, его компрометация становится вопросом доступа и денег, а не просто использования процессора. Это иная модель угроз, чем та, которую большинство команд имели в виду, когда вводили OLLAMA_HOST=0.0.0.0.
Злоумышленникам здесь не нужен был ИИ.
Мы тратим много энергии на споры о том, заставит ли ИИ злоумышленников действовать быстрее. На этих серверах схема стара как мир: неаутентифицированный сервис, обход пути, подделка запросов на стороне сервера, исходящие обратные вызовы. Знакомые примитивы, новое место. Известные нам средства контроля работают. Они просто не успели за рабочей нагрузкой.
Измерения интернета загрязнены, и мы должны об этом заявлять.
Значительная часть «критической ИИ-экспозиции» — это датчики других людей, наблюдающие друг за другом. Любой, кто публикует данные об экспозиции, включая вендоров, должен показывать, как они выполняют фильтрацию.
Что должны делать предприятия
Элементы управления здесь привычны: владение, аутентификация, контроль исходящего трафика, логирование, исправление уязвимостей и управление рисками воздействия. Практические шаги просты:
На этой неделе: найдите их и проверьте на наличие посторонних
- Просканируйте собственные публичные диапазоны, а также все учетные записи в облаках и на VPS, за которые платит компания, включая те, что привязаны к личным картам с последующим возмещением расходов. Ищите за пределами стандартных портов: 6% обнаруженных здесь объектов находились на нестандартных портах.
- На каждом экземпляре Ollama просмотрите список моделей. Все, что имеет префикс в виде IP-адреса, туннельного домена или ttl.sh, все с названиями beacon, verify, probe или pwn, а также все, что содержит ваш собственный IP-адрес, является чужеродным артефактом.
- Если вы обнаружили такой хост, рассматривайте его как скомпрометированный, а не просто неправильно настроенный. Произведите ротацию всего, что хранится в его переменных окружения и файлах служб, отзовите ключ Ollama в связанной учетной записи ollama.com, проверьте облачные расходы на предмет неопознанных трат и выполните пересборку вместо очистки.
В течение 30 дней: закройте дверь, затем окна
- Привяжите среды выполнения моделей к localhost или частной сети. Если требуется удаленный доступ, установите перед ними аутентифицирующий обратный прокси-сервер или уровень доступа с нулевым доверием (zero-trust). В Ollama нет встроенной аутентификации, поэтому это не опционально.
- Ограничьте исходящий трафик с серверов моделей только утвержденными вами реестрами. Контроль исходящего трафика — это то, что превращает обратный вызов на основе запроса или попытку SSRF в неудачное соединение.
- Поддерживайте среды выполнения в актуальном состоянии и не подключайте общий сервер к личной или корпоративной учетной записи облачных моделей, если он не защищен аутентификацией и оповещениями о расходах.
- Логируйте вызовы API, которые изменяют состояние (pull, create, copy, push, delete), и настраивайте оповещения о них. На стабильном производственном сервере они должны быть редкостью.
В этом квартале: сделайте владение нормой по умолчанию
- Сделайте регистрацию обязательным условием для затрат на инфраструктуру ИИ: у каждого сервера моделей должен быть ответственный владелец, классификация данных и срок действия. Если у сервера нет владельца, он отключается.
- Определите в письменном виде, где разрешены нецензурированные или очищенные модели и к чему они могут прикасаться. Исследовательские песочницы — да. Общедоступные серверы, подключенные к конвейерам обработки документов, — нет.
- Включите среды выполнения ИИ, блокноты и системы отслеживания экспериментов в область управления рисками воздействия и тестирования на проникновение (red-team). Проверяйте тормоза, а не только двигатель: сможете ли вы обнаружить, изолировать и отключить один из таких серверов в течение часа?
Методология и ограничения
Единый снимок, сделанный 10 ноября 2026 года для 20 354 предварительно выбранных IPv4-адресов на семи портах (3000, 5000, 8000, 8080, 8501, 8888, 11434). Обнаружение продуктов использовало один неаутентифицированный HTTP-запрос на службу: Ollama /api/tags, Jupyter /api/kernels, поиск экспериментов MLflow, JupyterHub /hub/api/, конечные точки работоспособности Streamlit и Grafana. Никаких запросов на вывод (inference), запись или эксплуатацию уязвимостей не отправлялось.
Вероятная инфраструктура имитации (deception) была исключена с помощью двух эвристик: идентичный отпечаток из пяти служб, разделяемый 148 хостами, и пары IP:порт, которые отвечали как более чем один продукт (281 хост). Это позволило удалить 1 513 результатов на 429 хостах. Некоторые реальные серверы могли быть удалены, а некоторые ловушки (сенсоры) определенно остались.
Индикаторы сторонней активности выводятся исключительно из названий моделей. Чистый список не доказывает чистоту хоста, так как имена можно удалять. Закодированные строки были расшифрованы из сегментов Base64 и hex. Семейства моделей определялись по шаблону имен. Данные о геолокации и сети получены от DB-IP Lite (CC BY 4.0), MaxMind GeoLite2 и iptoasn. Конкретные уязвимые хосты в этом посте не называются.
Этот пост отражает анализ автора данных сканирования, описанных выше. Ollama, Jupyter, MLflow, Streamlit и Grafana являются товарными знаками соответствующих владельцев. Эта публикация включает данные GeoLite2, созданные MaxMind.
Теги статьи
- Искусственный интеллект











