vLLM Affected by Denial of Service via Unbounded Frame Count in video/jpeg Base64 Processing

vLLM is an inference and serving engine for large language models (LLMs). From 0.7.0 to before 0.19.0, the VideoMediaIO.load_base64() method at vllm/multimodal/media/video.py splits video/jpeg data URLs by comma to extract individual JPEG frames, but does not enforce a frame count limit. The num_frames parameter (default: 32), which is enforced by the load_bytes() code path, is completely bypassed in the video/jpeg base64 path. An attacker can send a single API request containing thousands of comma-separated base64-encoded JPEG frames, causing the server to decode all frames into memory and crash with OOM. This vulnerability is fixed in 0.19.0.

Ein Angreifer kann mehrere Schwachstellen in vllm ausnutzen, um Dateien zu manipulieren, Sicherheitsmaßnahmen zu umgehen, vertrauliche Informationen offenzulegen oder einen Denial-of-Service-Zustand herbeizuführen.

vLLMは大規模言語モデル（LLM）の推論およびサービングエンジンです。バージョン0.7.0から0.19.0未満の間、vllm/multimodal/media/video.pyのVideoMediaIO.load_base64()メソッドは、video/jpegデータURLをカンマで分割して個々のJPEGフレームを抽出しますが、フレーム数の制限を強制していません。load_bytes()のコードパスで強制されるnum_framesパラメータ（デフォルトは32）は、video/jpegのbase64パスでは完全にバイパスされます。攻撃者はカンマ区切りの数千のbase64エンコードされたJPEGフレームを含む単一のAPIリクエストを送信でき、サーバーは全フレームをメモリにデコードし、結果としてOOMでクラッシュする可能性があります。この脆弱性はバージョン0.19.0で修正されました。