微软的Azure信息安全中心侦测到新一波Kubernetes集群挖矿攻击，目标锁定Kubernetes机器学习工具包Kubeflow，微软发现已经有数十个Kubernetes集群受到挖矿攻击影响。
Kubeflow是一个开源项目，起初只是要让TensorFlow工作负载，能够在Kubernetes上运行的项目，但随着项目发展，Kubeflow已经发展成为Kubernetes机器学习的热门框架，微软提到，由于用于机器学习工作节点的运算能力，通常比起其他用途节点相对强大，并且在部分情况还会附加GPU，因此是采矿攻击的绝佳目标。
微软在4月时观察到，不同集群都从一个公开存储库部署了可疑的镜像文件，深入分析该镜像文件，发现其内置XMRIG挖矿程序，微软还在公开存储库中，发现了其他拥有不同挖矿配置的镜像文件。部署这些恶意镜像文件的集群，几乎都在执行Kubeflow，因此微软表示，这代表攻击者把机器学习框架当作攻击的进入点。
Kubeflow框架包含了各种服务，像是训练模型的框架、Katib以及Jupyter Notebook服务器等，而Kubeflow是一个容器化服务，各种任务在集群中都会以容器的形式执行，因此当攻击者能够以特定方式访问Kubeflow，便能以多种方式在集群中执行恶意文件。
Kubeflow框架中还区分不同的命名空间，以表示Kubeflow服务集合，而这些命名空间会被翻译为Kubernetes命名空间，用来部署资源。默认情况下，仪表板只能通过Istio的Ingress网关供内部访问，用户需要利用通信端口转发（Port Forwarding）服务来访问仪表板，但在部分情况下，当用户将Istio服务配置修改为Load-Balancer，而这会使服务直接暴露在互联网中。
微软提到，用户这么做通常是因为方便操作，否则访问仪表板还需要通过Kubernetes API服务器创建信道，但只要把服务公开在互联网中，用户就可以直接访问仪表板，不过这样的操作并不安全，因为这让任何人都可以在Kubeflow中执行操作，包括在集群中部署新容器，只要攻击者有权限访问仪表板，就有多种方法在集群中部署后门容器。
微软过去侦测到多个针对Kubernetes集群的攻击行动，皆使用类似的访问矢量，也就是入侵公开在互联网上的服务，而这次则是微软首次侦测到针对Kubeflow框架的攻击行动。
微软提醒集群管理者，在部署Kubeflow这类服务的时候，除了要对应用程序使用身份验证和访问控制之外，也不要将连接端口直接暴露在互联网上，并且还要监控执行环境，包括监控正在执行的容器和程序，而且应该限制集群只能部署受信任的镜像文件。