本地部署DeepSeek，安全底线不可无视！

警惕！本地部署你的安全 DeepSeek 可能正在被盗用！

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。

1.国家通报
，源码库安全本地化大模型部署存在严重安全风险

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，建站模板包括 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。

2.风险原理是什么  ？

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，香港云服务器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
。

3.危害有哪些 ？

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模板下载模型，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，服务器租用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。

4.如何处置应对？

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。