錯誤配置K8s機器學習框架Kubeflow易招來挖礦攻擊

微軟的Azure資訊安全中心偵測到新一波Kubernetes叢集挖礦攻擊，目標鎖定Kubernetes機器學習工具包Kubeflow，微軟發現已經有數十個Kubernetes叢集受到挖礦攻擊影響。

Kubeflow是一個開源專案，起初只是要讓TensorFlow工作負載，能夠在Kubernetes上運作的專案，但隨著專案發展，Kubeflow已經發展成為Kubernetes機器學習的熱門框架，微軟提到，由於用於機器學習工作節點的運算能力，通常比起其他用途節點相對強大，並且在部分情況還會附加GPU，因此是採礦攻擊的絕佳目標。

微軟在4月時觀察到，不同叢集都從一個公開儲存庫部署了可疑的映像檔，深入分析該映像檔，發現其內含XMRIG挖礦程式，微軟還在公開儲存庫中，發現了其他擁有不同挖礦配置的映像檔。部署這些惡意映像檔的叢集，幾乎都在執行Kubeflow，因此微軟表示，這代表攻擊者把機器學習框架當作攻擊的進入點。

Kubeflow框架包含了各種服務，像是訓練模型的框架、Katib以及Jupyter Notebook伺服器等，而Kubeflow是一個容器化服務，各種任務在叢集中都會以容器的形式執行，因此當攻擊者能夠以特定方式存取Kubeflow，便能以多種方式在叢集中執行惡意檔案。

Kubeflow框架中還區分不同的命名空間，以表示Kubeflow服務集合，而這些命名空間會被翻譯為Kubernetes命名空間，用來部署資源。預設情況下，儀表板只能透過Istio的Ingress閘道供內部存取，用戶需要利用通訊埠轉發（Port Forwarding）服務來存取儀表板，但在部分情況下，當用戶將Istio服務配置修改為Load-Balancer，而這會使服務直接暴露在網際網路中。

微軟提到，用戶這麼做通常是因為方便操作，否則存取儀表板還需要通過Kubernetes API伺服器建立通道，但只要把服務公開在網際網路中，用戶就可以直接存取儀表板，不過這樣的操作並不安全，因為這讓任何人都可以在Kubeflow中執行操作，包括在叢集中部署新容器，只要攻擊者有權限存取儀表板，就有多種方法在叢集中部署後門容器。

微軟過去偵測到多個針對Kubernetes叢集的攻擊行動，皆使用類似的存取向量，也就是入侵公開在網際網路上的服務，而這次則是微軟首次偵測到針對Kubeflow框架的攻擊行動。

微軟提醒叢集管理者，在部署Kubeflow這類服務的時候，除了要對應用程式使用身份驗證和存取控制之外，也不要將連接埠直接暴露在網際網路上，並且還要監控執行環境，包括監控正在執行的容器和程序，而且應該限制叢集只能部署受信任的映像檔。