ai-infrastructure-attack
Installation
SKILL.md
AI/ML 基础设施攻击方法论
AI/ML 平台通常由数据科学家而非安全工程师部署，大量服务默认无认证、开放在公网、运行在高权限环境（GPU 节点/K8s 集群）。这些平台天然提供代码执行能力（notebook/pipeline），攻下一个就等于获得 RCE。
Phase 0: 服务识别
| 端口 | 服务 | 默认认证 | 危害 |
|---|---|---|---|
| 8888 | Jupyter Notebook/Lab | Token（常为空或弱） | 🔴 直接 RCE |
| 8000 | JupyterHub | 用户名密码 | 🔴 多用户 RCE |
| 5000 | MLflow | 无认证 | 🔴 模型投毒+RCE |
| 8265 | Ray Dashboard | 无认证 | 🔴 任务执行=RCE |
| 8080 | Kubeflow Dashboard | 无/Dex OIDC | 🔴 Pipeline=RCE |
| 7860 | Gradio | 无认证 | 🟡 SSRF+文件读取 |
| 8501 | Streamlit | 无认证 | 🟡 SSRF+信息泄露 |
| 11434 | Ollama | 无认证 | 🟡 模型操作+SSRF |
| 3000 | Grafana（ML监控） | admin/admin | 🟡 信息泄露 |