ice 随着人工智能技术的飞速发展，大语言模型（LLM）在各个领域的应用日益广泛。Ollama作为一种开源跨平台大模型工具，因其简化了大语言模型的本地部署和管理流程，受到了众多用户的青睐。然而，技术的广泛应用也带来了新的安全挑战。
2025年3月3日，国家网络安全通报中心发布紧急通报，指出Ollama存在严重的安全风险。
Ollama的安全隐患
据清华大学网络空间测绘联合研究中心分析，Ollama的默认配置存在未授权访问与模型窃取等安全隐患。具体问题如下：
未授权访问：Ollama在本地部署时会默认开放11434端口，且无任何鉴权机制。这意味着攻击者无需认证即可访问模型服务，获取模型信息，甚至通过恶意指令删除模型文件或窃取数据。
数据泄露：攻击者可通过特定接口（如/api/show）访问并提取模型数据，获取敏感信息，如模型的license等。
历史漏洞利用：Ollama框架存在已知漏洞（如CVE-2024-39720等），攻击者可利用这些漏洞实施数据投毒、恶意文件上传及关键组件删除等操作。
算力盗取与服务中断：由于缺乏访问控制，攻击者可滥用模型计算资源，导致服务中断。
风险影响
目前，DeepSeek等大模型的研究部署和应用非常广泛，多数用户使用Ollama进行私有化部署且未修改默认配置。这使得大量服务器直接暴露在互联网上，极易引发网络和数据安全事件。
-
限制Ollama监听范围：仅允许11434端口本地访问，并验证端口状态。
-
配置防火墙规则：对公网接口实施双向端口过滤，阻断11434端口的出入站流量。
-
启用多层认证与访问控制：启用API密钥管理，定期更换密钥并限制调用频率；部署IP白名单或零信任架构，仅授权可信设备访问。
-
禁用危险操作接口：如push、delete、pull等，并限制chat接口的调用频率。
-
及时修复历史漏洞：更新Ollama至安全版本，修复已知安全漏洞。
Ollama的安全风险事件再次敲响了网络安全的警钟。在享受人工智能技术带来的便利时，我们必须高度重视数据安全和隐私保护。用户在部署大模型工具时，应选择经过严格安全测试的产品，并定期进行安全检查和更新。同时，国家网络安全通报中心也将进一步加强监测，并适时发布后续通报
免责声明：本文部分文字、图片、音视频来源于网络不代表本站观点，版权归版权所有人所有。本文无意侵犯媒体或个人知识产权，如有异议请与我们联系。
