GCP - Vertex AI 열거

Tip

AWS 해킹 배우기 및 연습하기:HackTricks Training AWS Red Team Expert (ARTE)
GCP 해킹 배우기 및 연습하기: HackTricks Training GCP Red Team Expert (GRTE) Azure 해킹 배우기 및 연습하기: HackTricks Training Azure Red Team Expert (AzRTE)

HackTricks 지원하기

Vertex AI

Vertex AI는 대규모로 AI 모델을 빌드, 배포 및 관리하기 위한 Google Cloud의 통합 머신러닝 플랫폼입니다. 다양한 AI 및 ML 서비스를 단일 통합 플랫폼으로 결합하여 데이터 과학자와 ML 엔지니어가 다음을 수행할 수 있게 합니다:

  • AutoML 또는 커스텀 트레이닝을 사용하여 맞춤형 모델을 학습
  • 예측을 위해 모델을 엔드포인트에 배포
  • 실험부터 운영까지 ML 수명주기 관리
  • Model Garden의 사전 학습된 모델에 접근
  • 모델 성능을 모니터링 및 최적화

핵심 구성요소

Models

Vertex AI의 models는 예측을 제공하기 위해 엔드포인트에 배포할 수 있는 학습된 머신러닝 모델을 나타냅니다. 모델은 다음과 같을 수 있습니다:

  • 커스텀 컨테이너 또는 모델 아티팩트에서 업로드
  • AutoML 트레이닝을 통해 생성
  • Model Garden(사전 학습된 모델)에서 가져오기
  • 모델당 여러 버전으로 버전 관리

각 모델은 프레임워크, 컨테이너 이미지 URI, 아티팩트 위치, 서빙 구성 등 메타데이터를 가집니다.

Endpoints

Endpoints는 배포된 모델을 호스팅하고 온라인 예측을 제공하는 리소스입니다. 주요 기능:

  • 여러 배포된 모델 호스팅 가능(트래픽 분할 지원)
  • 실시간 예측을 위한 HTTPS 엔드포인트 제공
  • 트래픽 기반 오토스케일링 지원
  • Public 또는 Private 접근 가능
  • 트래픽 분할을 통한 A/B 테스트 지원

Custom Jobs

Custom jobs는 자체 컨테이너나 Python 패키지를 사용하여 커스텀 트레이닝 코드를 실행할 수 있게 합니다. 기능:

  • 여러 워커 풀을 사용한 분산 학습 지원
  • 구성 가능한 머신 타입 및 가속기(GPUs/TPUs)
  • 다른 GCP 리소스에 접근하기 위한 서비스 계정 연결
  • 시각화를 위한 Vertex AI Tensorboard 통합
  • VPC 연결 옵션

Hyperparameter Tuning Jobs

이 작업들은 서로 다른 매개변수 조합으로 여러 트레이닝 실험을 실행하여 최적의 하이퍼파라미터를 자동으로 탐색합니다.

Model Garden

Model Garden은 다음에 대한 접근을 제공합니다:

  • 구글의 사전 학습된 모델
  • Hugging Face를 포함한 오픈 소스 모델
  • 타사 모델
  • 원클릭 배포 기능

Tensorboards

Tensorboards는 ML 실험에 대한 시각화 및 모니터링을 제공하며, 지표, 모델 그래프 및 학습 진행 상황을 추적합니다.

서비스 계정 및 권한

기본적으로 Vertex AI 서비스는 프로젝트에 대해 Editor 권한이 있는 Compute Engine default service account(PROJECT_NUMBER-compute@developer.gserviceaccount.com)를 사용합니다. 그러나 다음과 같은 경우 커스텀 서비스 계정을 지정할 수 있습니다:

  • custom jobs 생성 시
  • 모델 업로드 시
  • 모델을 endpoints에 배포할 때

이 서비스 계정은 다음에 사용됩니다:

  • Cloud Storage에 있는 학습 데이터 접근
  • Cloud Logging에 로그 작성
  • Secret Manager에서 시크릿 접근
  • 다른 GCP 서비스와 상호작용

데이터 저장

  • 모델 아티팩트는 Cloud Storage 버킷에 저장
  • 학습 데이터는 일반적으로 Cloud Storage 또는 BigQuery에 저장
  • 컨테이너 이미지는 Artifact Registry 또는 Container Registry에 저장
  • 로그는 Cloud Logging으로 전송
  • 메트릭은 Cloud Monitoring으로 전송

암호화

기본적으로 Vertex AI는 Google-managed encryption keys를 사용합니다. 또한 구성할 수 있습니다:

  • Cloud KMS의 Customer-managed encryption keys (CMEK)
  • 암호화는 모델 아티팩트, 학습 데이터 및 엔드포인트에 적용

네트워킹

Vertex AI 리소스는 다음과 같이 구성할 수 있습니다:

  • Public internet access(기본)
  • VPC peering을 통한 프라이빗 접근
  • Private Service Connect를 통한 보안 연결
  • Shared VPC 지원

열거

# List models
gcloud ai models list --region=<region>
gcloud ai models describe <model-id> --region=<region>
gcloud ai models list-version <model-id> --region=<region>

# List endpoints
gcloud ai endpoints list --region=<region>
gcloud ai endpoints describe <endpoint-id> --region=<region>
gcloud ai endpoints list --list-model-garden-endpoints-only --region=<region>

# List custom jobs
gcloud ai custom-jobs list --region=<region>
gcloud ai custom-jobs describe <job-id> --region=<region>

# Stream logs from a running job
gcloud ai custom-jobs stream-logs <job-id> --region=<region>

# List hyperparameter tuning jobs
gcloud ai hp-tuning-jobs list --region=<region>
gcloud ai hp-tuning-jobs describe <job-id> --region=<region>

# List model monitoring jobs
gcloud ai model-monitoring-jobs list --region=<region>
gcloud ai model-monitoring-jobs describe <job-id> --region=<region>

# List Tensorboards
gcloud ai tensorboards list --region=<region>
gcloud ai tensorboards describe <tensorboard-id> --region=<region>

# List indexes (for vector search)
gcloud ai indexes list --region=<region>
gcloud ai indexes describe <index-id> --region=<region>

# List index endpoints
gcloud ai index-endpoints list --region=<region>
gcloud ai index-endpoints describe <index-endpoint-id> --region=<region>

# Get operations (long-running operations status)
gcloud ai operations describe <operation-id> --region=<region>

# Test endpoint predictions (if you have access)
gcloud ai endpoints predict <endpoint-id> \
--region=<region> \
--json-request=request.json

# Make direct predictions (newer API)
gcloud ai endpoints direct-predict <endpoint-id> \
--region=<region> \
--json-request=request.json

모델 정보 수집

# Get detailed model information including versions
gcloud ai models describe <model-id> --region=<region>

# Check specific model version
gcloud ai models describe <model-id>@<version> --region=<region>

# List all versions of a model
gcloud ai models list-version <model-id> --region=<region>

# Get model artifact location (usually a GCS bucket)
gcloud ai models describe <model-id> --region=<region> --format="value(artifactUri)"

# Get container image URI
gcloud ai models describe <model-id> --region=<region> --format="value(containerSpec.imageUri)"

엔드포인트 세부정보

# Get endpoint details including deployed models
gcloud ai endpoints describe <endpoint-id> --region=<region>

# Get endpoint URL
gcloud ai endpoints describe <endpoint-id> --region=<region> --format="value(deployedModels[0].displayName)"

# Get service account used by endpoint
gcloud ai endpoints describe <endpoint-id> --region=<region> --format="value(deployedModels[0].serviceAccount)"

# Check traffic split between models
gcloud ai endpoints describe <endpoint-id> --region=<region> --format="value(trafficSplit)"

사용자 지정 작업 정보

# Get job details including command, args, and service account
gcloud ai custom-jobs describe <job-id> --region=<region>

# Get service account used by job
gcloud ai custom-jobs describe <job-id> --region=<region> --format="value(jobSpec.workerPoolSpecs[0].serviceAccount)"

# Get container image used
gcloud ai custom-jobs describe <job-id> --region=<region> --format="value(jobSpec.workerPoolSpecs[0].containerSpec.imageUri)"

# Check environment variables (may contain secrets)
gcloud ai custom-jobs describe <job-id> --region=<region> --format="value(jobSpec.workerPoolSpecs[0].containerSpec.env)"

# Get network configuration
gcloud ai custom-jobs describe <job-id> --region=<region> --format="value(jobSpec.network)"

액세스 제어

# Note: IAM policies for individual Vertex AI resources are managed at the project level
# Check project-level permissions
gcloud projects get-iam-policy <project-id>

# Check service account permissions
gcloud iam service-accounts get-iam-policy <service-account-email>

# Check if endpoints allow unauthenticated access
# This is controlled by IAM bindings on the endpoint
gcloud projects get-iam-policy <project-id> \
--flatten="bindings[].members" \
--filter="bindings.role:aiplatform.user"

저장소 및 아티팩트

# Models and training jobs often store artifacts in GCS
# List buckets that might contain model artifacts
gsutil ls

# Common artifact locations:
# gs://<project>-aiplatform-<region>/
# gs://<project>-vertex-ai/
# gs://<custom-bucket>/vertex-ai/

# Download model artifacts if accessible
gsutil -m cp -r gs://<bucket>/path/to/artifacts ./artifacts/

# Check for notebooks in AI Platform Notebooks
gcloud notebooks instances list --location=<location>
gcloud notebooks instances describe <instance-name> --location=<location>

Model Garden

# List Model Garden endpoints
gcloud ai endpoints list --list-model-garden-endpoints-only --region=<region>

# Model Garden models are often deployed with default configurations
# Check for publicly accessible endpoints

Privilege Escalation

다음 페이지에서 abuse Vertex AI permissions to escalate privileges 방법을 확인할 수 있습니다:

GCP - Vertex AI Privesc

참고자료

Tip

AWS 해킹 배우기 및 연습하기:HackTricks Training AWS Red Team Expert (ARTE)
GCP 해킹 배우기 및 연습하기: HackTricks Training GCP Red Team Expert (GRTE) Azure 해킹 배우기 및 연습하기: HackTricks Training Azure Red Team Expert (AzRTE)

HackTricks 지원하기