据清华大学网络空间测绘联合研究中心分析，开源跨平台大模型工具Ollama默认配置存在未授权访问与模型窃取等安全隐患。鉴于目前DeepSeek等大模型的研究部署和应用非常广泛，多数用户使用Ollama私有化部署且未修改默认配置，存在数据泄露、算力盗取、服务中断等安全风险，极易引发网络和数据安全事件。

如果你对之前DeepSeek基础不了解的，可以看看这个零基础一小时从入门到精通部署+投喂+私有化知识库部署

【DeepSeek教程】DeepSeek从入门到精通，一小时掌握，零基础本地部署+投喂数据+个人知识库搭建与使用（附全套文档及使用指南）_哔哩哔哩_bilibili【DeepSeek教程】DeepSeek从入门到精通，一小时掌握，零基础本地部署+投喂数据+个人知识库搭建与使用（附全套文档及使用指南）共计10条视频，包括：DeepSeek是什么？、DeepSeek基础-通用技巧、DeepSeek基础-拓展场景等，UP主更多精彩视频，请关注UP账号。https://www.bilibili.com/video/BV1nMNeePEZd/?vd_source=27c8ea1c143ecfe9f586177e5e7027cf

一、风险隐患详情

使用Ollma在本地部署DeepSeek等大模型时，会在本地启动一个Web服务，并默认开放11434端口且无任何鉴权机制。该服务直接暴露在公网环境，存在以下风险：

1、未授权访问：未授权用户能够随意访问模型，并利用特定工具直接对模型及其数据进行操作，攻击者无需认证即可调用模型服务、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。

2、数据泄露：通过特定接口可访问并提取模型数据，引发数据泄露风险。如：通过/api/show接口，攻击者能够获取模型的license等敏感信息，以及其他接口获取已部署模型的相关敏感数据信息。

3、历史漏洞：攻击者可利用Ollama框架历史漏洞（CVE-2024-39720/39722/39719/39721），直接调用模型接口实施数据投毒、参数窃取、恶意文件上传及关键组件删除等操作，造成模型服务的核心数据、算法完整性和运行稳定性面临安全风险。

二、安全加固建议

1、限制Ollama监听范围：仅允许11434端口本地访问，并验证端口状态。

2、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。

3、实施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。

4、禁用危险操作接口：如push/delete/pull等，并限制chat接口的调用频率以防DDoS攻击。

5、历史漏洞修复：及时更新Ollama至安全版本，修复已知安全漏洞。

目前，已有大量存在此类安全隐患的服务器暴露在互联网上。建议广大用户加强隐患排查，及时进行安全加固，发现遭网络攻击情况第一时间向当地公安网安部门报告，配合公安网安部门开展调查处置工作。

三、前瞻建议

1. 建立AI服务安全基准测试体系，对开源工具进行漏洞权重评级（CWE Top 25 for AI）

2. 推动硬件厂商开发具备TEE功能的AI加速卡，实现模型加载时的内存加密

3. 构建模型服务流量异常检测系统，通过API调用模式分析识别恶意访问

4. 制定《生成式AI服务安全配置指南》，将安全加固纳入AI工程师认证考核

此次事件标志着AI安全治理进入深水区，需要技术创新、标准制定、监管协同的多维联动。随着欧盟AI法案等监管框架落地，中国也需加快构建兼顾发展与安全的AI治理体系，在防范风险的同时保持技术竞争力和加强监测。