MSBuild项目安全问题CVE-2025-26646分析与修复指南
微软近期披露了MSBuild项目中存在一个重要的安全问题(CVE-2025-26646),该问题影响.NET 9.0和8.0 SDK版本中的Microsoft.Build.Tasks.Core组件。本文将深入分析该问题的技术细节、影响范围以及修复方案。
问题概述
该问题属于路径处理类型的安全隐患,主要存在于MSBuild的DownloadFile任务中。不当操作可能通过控制文件名或路径的方式,在网络环境下实施非预期行为。这种操作可能导致系统下载并执行非预期文件,造成潜在风险。
受影响版本
该问题影响以下.NET SDK版本:
- .NET 9.0.105 SDK至9.0.203 SDK
- .NET 8.0.115 SDK至8.0.309 SDK
同时影响Microsoft.Build.Tasks.Core包的多个版本:
- 15.8.166至15.9.20
- 16.0.461至16.11.0
- 17.0.0至17.8.3
- 17.9.5至17.10.4
- 17.11.4
- 17.12.6
- 17.13.9
问题技术分析
该问题的核心在于DownloadFile任务对文件路径和名称的处理不够严谨。当开发者在构建过程中使用DownloadFile任务下载远程文件时,如果能够控制下载目标路径或文件名,就可能实施路径操作。
具体来说,可能通过以下方式利用此问题:
- 通过中间环节修改下载请求
- 控制构建环境中的变量来修改下载路径
- 利用构建脚本中的配置注入非预期路径
修复方案
微软已经发布了修复版本,建议开发者采取以下措施:
对于.NET SDK用户
-
升级到以下安全版本:
- .NET 9.0用户应升级至9.0.300(VS 2022 v17.14)、9.0.204(v17.13)或9.0.106(v17.12)
- .NET 8.0用户应升级至8.0.410(VS 2022 v17.11)、8.0.313(v17.10)或8.0.116(v17.8)
-
升级后,建议重启所有相关应用程序以确保更新生效
对于直接引用Microsoft.Build.Tasks.Core的项目
应将包引用更新至以下安全版本:
- 15.9.30
- 16.11.6
- 17.8.29
- 17.10.29
- 17.12.36
- 17.13.26
- 17.14.8
注意事项
-
即使SDK中可能包含多个版本的Microsoft.Build.Tasks.Core.dll,只有位于sdk/$(version)/目录下的版本会在构建过程中被实际加载使用
-
对于.NET 9.0.300 SDK中出现的17.14.5版本,虽然该版本已包含修复,但建议开发者等待包含17.14.8版本的后续SDK更新
-
微软已在5月22日发布了.NET 8.0.3xx和8.0.4xx SDK的更新版本,确保所有相关组件都已更新
最佳实践建议
-
定期检查项目中的MSBuild任务使用情况,特别是涉及文件下载的操作
-
在构建脚本中避免使用外部输入的变量作为文件路径参数
-
考虑在关键构建过程中实施代码签名验证
-
建立构建环境的网络隔离策略,限制构建过程的外部访问
通过及时应用这些安全更新和最佳实践,开发者可以有效防范此类潜在风险,确保构建过程的安全性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00