DeepSeek被誉为“国运级的底线科技成果”，正在掀起本地大模型部署热潮 。无视大模型的本地部署能力上限由算力和算法决定 ，大模型的安全底线是信息安全 。很多企业之所以本地部署DeepSeek就是底线出于安全考虑 ，以为DeepSeek本地部署就不存在信息安全问题 ，无视其实本地部署DeepSeek也有巨大的本地部署安全风险 。
近日 ，底线国家网络安全通报中心通报CNTA-2025-003安全公告 ，无视大模型工具Ollama存在严重安全风险，本地部署Ollama 默认配置存未授权访问和模型窃取风险 ，安全可能会导致数据泄露、底线服务中断等风险 。
图片
Ollama是一个开源的 、跨平台的 、大模型工具 ，最大特点是使用简便，支持网络访问 ，支持多种模型，亿华云包括 DeepSeek 。
图片
本地化部署DeepSeek ，绝大多数情况下都使用Ollama 。这就意味着 ，本地化部署DeepSeek ，默认配置有很大的安全风险 。
本地部署大模型的工具Ollama，在未设置安全防护的情况下暴露在互联网中 。任何人都可以在未授权的情况下访问使用 。
图片
攻击者只需要知道大模型的ip地址和服务端口 ，源码下载甚至无需获取端口号，直接暴力破解得到端口号 ，即可造成一次未授权攻击 。
图片
通过漏洞攻击者很容易获得大模型管理员权限 ，会造成辛苦训练成功的大模型成果被窃取，敏感数据泄露 。
Ollama的未授权访问 ，有以下危害 。
篡改DeepSeek模型数据 ：攻击者通过服务接口删除模型或篡改模型训练数据。注入有害代码或删除关键组件，导致服务崩溃 。
DeepSeek模型参数被窃取 ：攻击者盗取大模型核心参数 ，对于涉密等敏感重要部门造成严重危害 。
DeepSeek模型投毒 ：攻击者通过接口查看正在运行的源码库模型 ，接着下载有毒的模型 ，删除正常模型 ，迁移有毒模型到正常模型路径 ，通过有毒模型污染使用者的对话。
DeepSeek模型资源消耗 ：攻击者可以通过使用者的Ollama模型进行商业服务从而非法获利 ，造成私有 Ollama 服务器被人薅羊毛 。
Ollama的未授权访问是一个严重的问题 ，需要引起重视 。根据第三方报告 ，高防服务器目前可以搜索到公共网络上至少有超过2万个未设防的Ollama大模型服务 ，这个数字还在不断增加 ，尤其是DeepSeek数字增加更快 。
可以通过以下六项措施 ，保障本地部署大模型安全 。
1） 保持版本更新关注官方公告，定期升级Ollama ，定期更新补丁库和漏洞库。
2）强化访问控制限制端口暴露范围 ，禁止 11434 端口对公网开放，仅允许本地或内网访问（如配置参数--listen localhost:11434） 。或通过防火墙规则双向过滤 11434 端口流量 ，阻断未授权请求。
3） 监控与防御实时行为监测 ，免费模板部署入侵检测系统（IDS），分析异常流量和访问模式 。定期审计日志（如~/.ollama/logs/server.log） ，排查可疑操作（如POST /api/pull） 。
4）部署架构优化配置反向代理与防护层 ，通过 Nginx 等反向代理配置 HTTP Basic认证或 OAuth 集成 。
5） 全面安全检查通过漏洞扫描、渗透测试等安全检查手段 ，从内部和外部进行安全检查 ，不光是检查ollama漏洞 ，还检查操作系统 、网络的安全风险 ，确保整个大模型环节达到安全基线 。
6） 长期安全策略持续定期安全评估 ，开展漏洞扫描与渗透测试 ，持续识别潜在风险 。对相关人员进行大模型安全意识培训 ，制订应急预案 ，提升安全意识及应急响应能力 。
技术雷达站
