Hacker können Ollama-Modell-Uploads ausnutzen, um sensible Serverdaten zu stehlen

Eine kritische, ungepatchte Schwachstelle wurde in Ollama entdeckt, einer weit verbreiteten Open-Source-Plattform zum lokalen Ausführen großer Sprachmodelle.

Mit CVE-2026-5757 verfolgt, ermöglicht dieser schwerwiegende Speicherleck unauthentifizierten Remote-Angreifern, sensible Daten direkt aus dem Heap eines Servers zu extrahieren. Die von dem Sicherheitsforscher Jeremy Brown mittels KI-unterstützter Schwachstellenforschung entdeckte und am 22.

April 2026 öffentlich gemachte Exploit zielt auf die Modell-Upload-Schnittstelle der Plattform ab. Da die Entwickler noch kein Software-Update veröffentlicht haben, müssen Administratoren ihre Implementierungen aktiv sichern, um unbefugten Zugriff zu verhindern.

Risiken der KI-Modellquantisierung Ollama wurde entwickelt, um Entwicklern zu helfen, ressourcenintensive KI-Modelle auf Standard-Hardware unter Windows, macOS und Linux auszuführen.

Um dies zu ermöglichen, stützt sich die Plattform auf eine Kompressionstechnik namens Modellquantisierung, die die mathematische Präzision des KI-Modells reduziert, um Speicher und Rechenleistung zu sparen.