| CVE ID | 심각도 | CVSS | 소프트웨어 | 설명 | 발행일 | 수정일 |
|---|---|---|---|---|---|---|
| CVE-2021-29573 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.MaxPoolGradWithهماArgmax` 구현에서 0으로 나누기 오류가 발생할 수 있는 취약점이 발견되었습니다. 텐서의 배치(batch) 차원이 0인지 확인하는 검증 과정이 누락되어 발생하며, 이는 TensorFlow 2.5.0 및 주요 이전 버전에서 수정되었습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29531 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 PNG 인코딩 과정에서 빈 입력 텐서를 제공할 경우 CHECK fail이 발생할 수 있는 취약점입니다. 이미지 픽셀 데이터가 비어 있으면 내부 버퍼가 NULL이 되어 프로그램이 비정상적으로 종료됩니다. 이로 인해 공격자가 서비스 거부(DoS) 공격을 수행할 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29532 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.RaggedCross` 함수에서 사용자 입력값에 대한 검증이 누락되어 발생합니다. 공격자가 잘못된 텐서 값을 전달하면 힙 할당 배열의 범위를 벗어난 메모리에 접근하는 Heap Out-of-Bounds Read 취약점이 발생합니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29533 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 tf.raw_ops.DrawBoundingBoxes 함수에 빈 이미지를 전달할 경우 CHECK 실패로 인해 서비스 거부(DoS)가 발생할 수 있습니다. 이는 사용자 입력 검증 시 오류를 반환하는 OP_REQUIRES 대신 프로그램 실행을 중단시키는 CHECK_* 매크로를 사용하기 때문입니다. 이로 인해 프로그램이 비정상적으로 종료될 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29534 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.SparseConcat` 연산에서 `CHECK`-fail을 유발하여 서비스 거부(DoS) 공격이 가능합니다. 이는 `shapes[0]`에 지정된 값을 출력 형상의 차원으로 사용하는 과정에서 오버플로가 발생할 수 있는 구현 방식 때문입니다. 이 문제는 TensorFlow 2.5.0 및 주요 이전 버전들에 대한 패치를 통해 해결되었습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29535 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 QuantizedMul 연산에서 양자화 임계값으로 잘못된 값을 전달할 경우 힙 버퍼 오버플로우가 발생할 수 있습니다. 구현 과정에서 입력 텐서가 비어 있는 경우를 제대로 검증하지 않고 데이터에 직접 접근하기 때문에 발생하는 취약점입니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29536 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 QuantizedReshape 연산 과정에서 잘못된 양자화 임계값을 전달할 경우 힙 버퍼 오버플로가 발생할 수 있습니다. 이는 구현 과정에서 입력 텐서가 비어 있을 경우를 고려하지 않고 요소에 직접 접근하기 때문에 발생합니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29537 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 QuantizedResizeBilinear 연산에서 양자화 임계값에 잘못된 값을 전달할 경우 힙 버퍼 오버플로우가 발생할 수 있습니다. 이는 구현 과정에서 입력값이 항상 유효한 스칼라 값이라고 가정하고 직접 접근하기 때문에 발생하는 취약점입니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29538 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 Conv2DBackpropFilter 구현에서 사용자가 제공한 텐서 모양을 기반으로 나누는 값을 계산할 때 0으로 나누는 오류가 발생할 수 있습니다. 모든 모양이 비어 있을 경우 work_unit_size가 0이 되어 런타임 예외가 발생하며, 이는 서비스 거부(DoS) 공격으로 악용될 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29539 | LOW | 2.5 | Azure Machine Learning |
TensorFlow에서 `tf.raw_ops.ImmutableConst` 함수를 호출할 때 `dtype`을 `tf.resource` 또는 `tf.variant`로 설정하면 세그멘테이션 오류(segfault)가 발생합니다. 이는 구현 코드가 텐서 내용이 순수 스칼라라고 가정하기 때문에 발생하는 문제입니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29540 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 Conv2DBackpropFilter 구현에서 힙 버퍼 오버플로우 취약점이 발견되었습니다. 필터 텐서의 크기를 계산할 때 filter_sizes의 요소 수와 일치하는지 검증하지 않아, 버퍼 읽기/쓰기 시 메모리 오류가 발생할 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29541 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.StringNGrams` 함수에서 `data_splits` 인자를 충분히 검증하지 않아 발생하는 결함입니다. 공격자가 특정 입력을 통해 출력 크기를 0 또는 음수로 만들면 널 포인터 역참조가 발생하여 프로그램이 비정상 종료될 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29542 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.StringNGrams` 함수에서 조작된 입력을 처리할 때 힙 버퍼 오버플로가 발생할 수 있습니다. 특정 조건에서 입력 데이터가 패딩 요소만 포함하도록 분할될 경우, 잘못된 인덱스 참조로 인해 메모리 오류가 발생합니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29543 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.CTCGreedyDecoder` 구현 내에서 불변성을 검증하는 `CHECK_LT` 조건이 실패할 경우, 오류를 반환하는 대신 프로그램이 즉시 중단됩니다. 공격자는 이를 악용하여 서비스 거부(DoS) 공격을 수행할 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29544 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 tf.raw_ops.QuantizeAndDequantizeV4Grad 함수에서 입력 텐서의 랭크(rank)를 검증하지 않아 발생하는 취약점입니다. 공격자가 조작된 텐서를 입력할 경우 CHECK 실패를 유도하여 서비스 거부(DoS) 상태를 일으킬 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29545 | LOW | 2.5 | Azure Machine Learning |
TensorFlow에서 희소 텐서를 CSR 희소 행렬로 변환할 때 발생하는 취약점입니다. 공격자가 특정 인덱스 값을 조작하여 힙 메모리 경계를 벗어난 쓰기 작업을 유발함으로써 서비스 거부(DoS) 상태를 만들 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29546 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.QuantizedBiasAdd` 연산 과정에서 정수 0으로 나누는 동작이 발생하여 정의되지 않은 동작을 유발할 수 있습니다. 이는 Eigen 커널 구현 시 입력 요소의 개수가 0인지 확인하지 않고 나누기 연산을 수행하기 때문에 발생합니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29547 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.QuantizedBatchNormWithGlobalNormalization` 연산에서 입력값이 비어 있을 경우 범위를 벗어난 데이터에 접근할 수 있는 취약점이 발견되었습니다. 이로 인해 세그멘테이션 오류(segfault)가 발생하며 서비스 거부(DoS) 상태에 빠질 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29548 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.QuantizedBatchNormWithGlobalNormalization` 연산에서 입력 제약 조건을 제대로 검증하지 않아 런타임 시 0으로 나누기 오류가 발생할 수 있습니다. 이로 인해 서비스 거부(DoS) 상태가 초래될 수 있는 취약점입니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29549 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.QuantizedBatchNormWithGlobalNormalization` 연산에서 제로 나누기 오류로 인한 서비스 거부(DoS)가 발생할 수 있습니다. 입력 형상에 따라 결정되는 `vector_num_elements` 값이 0이 될 수 있는데, 이를 검증하지 않고 나머지 연산을 수행하기 때문입니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29550 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.FractionalAvgPool` 연산에서 사용자가 제어 가능한 입력값에 의해 0으로 나누기 오류가 발생할 수 있습니다. 이로 인해 런타임 오류가 발생하며 서비스 거부(DoS) 상태에 빠질 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29513 | LOW | 2.5 | Azure Machine Learning |
TensorFlow에서 숫자형 텐서를 기대하는 연산에 비숫자형 텐서를 전달할 경우 Null 포인터 역참조가 발생할 수 있습니다. Python 배열을 C++ 배열로 변환하는 과정에서 타입 혼동(Type Confusion) 취약점이 존재합니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29514 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 RaggedBincount 함수에서 splits 인자에 유효하지 않은 SparseTensor를 전달할 경우 힙 버퍼 오버플로우가 발생할 수 있습니다. 이 취약점은 구현 과정에서 텐서 버퍼 범위를 벗어난 읽기/쓰기를 유발하여 시스템 불안정성을 초래합니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29515 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 MatrixDiag* 연산 구현 과정에서 텐서 인자가 비어 있는지 확인하는 유효성 검사 과정이 누락되었습니다. 이로 인해 비어 있는 텐서를 처리할 때 예기치 않은 동작이 발생할 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29516 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.RaggedTensorToVariant` 함수 호출 시 유효하지 않은 RaggedTensor를 인자로 전달하면 Null 포인터 역참조가 발생합니다. 이는 구현 과정에서 RaggedTensor 인자가 비어 있는지 확인하는 검증 절차가 누락되어 발생하며, 프로그램의 비정상 종료를 유발할 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29517 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 Conv3D 구현 과정에서 사용자 제어 입력에 기반한 나머지 연산 시 0으로 나누기 오류가 발생할 수 있습니다. 공격자가 특정 필터 값을 조작할 경우 0으로 나누기 오류 또는 Eigen 어설션(assertion)을 유발하여 프로그램이 비정상 종료될 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29518 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 eager mode에서 세션 관련 raw ops를 호출할 경우, 세션 상태 포인터의 유효성을 확인하지 않아 null 포인터 역참조가 발생할 수 있습니다. 이로 인해 정의되지 않은 동작이 발생하며 시스템이 불안정해질 수 있습니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29519 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.SparseCross` API에서 데이터 타입 혼동이 발생하여 서비스 거부(DoS)를 유발할 수 있는 취약점입니다. `DT_STRING`과 `DT_INT64` 타입이 혼합될 때 발생하는 체크 실패를 방지함으로써 이 문제가 해결됩니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29520 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.Conv3DBackprop*` 연산에서 인자 간 검증이 누락되어 힙 버퍼 오버플로우가 발생할 수 있습니다. 이는 입력, 필터 크기, 출력 텐서의 형상이 동일하다고 가정하고 병렬로 접근하는 구현 방식의 결함 때문입니다.
|
2021-05-14 | 2026-06-17 03:47 |
| CVE-2021-29521 | LOW | 2.5 | Azure Machine Learning |
TensorFlow의 `tf.raw_ops.SparseCountSparseOutput` 함수에서 음수 밀집 형상(dense shape)을 지정할 경우 표준 라이브러리의 `std::vector` 불변성이 깨지면서 세그멘테이션 결함(Segmentation Fault)이 발생합니다. 이는 구현 과정에서 형상의 첫 번째 요소가 항상 양수라고 가정하고 데이터 구조를 초기화하기 때문에 발생하는 문제입니다.
|
2021-05-14 | 2026-06-17 03:47 |