修复安全漏洞：全 NaN 音频输入导致 split_audio 永久挂起工作线程，可能被用于拒绝服务攻击。PR body 明确说明了根本原因和修复策略。
建议精读，此 PR 展示了典型的数值安全性 bug 修复模式：IEEE 754 NaN 比较陷阱 + 循环进度保护。值得作为安全编码范例。
PR 无 review 评论，但有审核通过记录。未出现公开争议或设计权衡讨论。
quietest_idx 初始值从 0 改为 start_idx，确保当所有窗口能量为 NaN 时返回合理的起始索引而非 0。not math.isnan(energy) 检查，避免 NaN 污染 min_energy 并导致错误比较。<= i），则强制回退到硬分块边界 i + chunk_size，确保循环必然推进。test_find_split_point_nan_input 验证全 NaN 输入 find_split_point 返回 start_idx；新增 test_split_audio_nan_input_terminates 验证全 NaN 音频 split_audio 能正常完成分块且不丢样本。| 文件 | 模块 | 状态 | 重要度 |
|---|---|---|---|
vllm/multimodal/audio.py |
音频处理 | modified | 6.46 |
tests/multimodal/test_audio.py |
音频测试 | modified | 6.11 |
vllm/multimodal/audio.py
core-logic
源代码主修改文件：修复了 find_split_point 的默认值、NaN 跳过和 split_audio 的进度保护逻辑，共 3 处改动，直接修复无限循环 bug。
# vllm/multimodal/audio.py ( 关键变更片段 )
def split_audio(audio_data, sample_rate, max_clip_duration_s,
overlap_duration_s, min_energy_window_size):
# ... 前置计算 ...
while i < audio_data.shape[-1]:
# ... 最后一块处理 ...
search_start = i + chunk_size - overlap_size
search_end = min(i + chunk_size, audio_data.shape[-1])
split_point = find_split_point(
audio_data, search_start, search_end, min_energy_window_size
)
# 安全保护：确保 split_point 严格大于当前 i，防止无限循环
# 当音频全为 NaN 时，find_split_point 可能返回 start_idx（即 i），
# 导致循环不前进。此时回退到硬分块边界。
if split_point <= i:
split_point = min(i + chunk_size, audio_data.shape[-1])
chunks.append(audio_data[..., i:split_point])
i = split_point
return chunks
def find_split_point(wav, start_idx, end_idx, min_energy_window):
segment = wav[start_idx:end_idx]
min_energy = math.inf
# 将 quietest_idx 初始化为 start_idx 而非 0，确保全 NaN 时返回安全值
quietest_idx = start_idx
for i in range(0, len(segment) - min_energy_window, min_energy_window):
window = segment[i : i + min_energy_window]
energy = (window**2).mean() ** 0.5
# 跳过 NaN 能量值，避免 NaN 比较恒为 False 导致 min_energy 永不更新
if not math.isnan(energy) and energy < min_energy:
quietest_idx = i + start_idx
min_energy = energy
return quietest_idx
tests/multimodal/test_audio.py
test-coverage
新增测试覆盖：两个新测试验证 NaN 输入下的正确行为，确保修复有效且不会退化。
# tests/multimodal/test_audio.py ( 新增测试片段 )
def test_find_split_point_nan_input(self):
"""find_split_point must not return 0 for all-NaN input."""
from vllm.multimodal.audio import find_split_point
nan_audio = np.full(32000, float("nan"), dtype=np.float32)
start_idx = 16000
end_idx = 32000
split_idx = find_split_point(
wav=nan_audio,
start_idx=start_idx,
end_idx=end_idx,
min_energy_window=1600,
)
# 必须返回 start_idx（安全回退值），而不是 0
assert split_idx == start_idx
def test_split_audio_nan_input_terminates(self):
"""split_audio must terminate on all-NaN audio (no infinite loop)."""
# 31 秒 NaN 音频，16kHz 采样率，超过 max_clip_duration_s=30
nan_audio = np.full(16000 * 31, float("nan"), dtype=np.float32)
chunks = split_audio(
audio_data=nan_audio,
sample_rate=16000,
max_clip_duration_s=30.0,
overlap_duration_s=1.0,
min_energy_window_size=1600,
)
# 必须产生至少 2 个块，且覆盖所有样本
assert len(chunks) >= 2
total_samples = sum(c.shape[-1] for c in chunks)
assert total_samples == nan_audio.shape[-1]
当前评论区没有形成足够清晰的争议点或结论，后续有更多讨论时会体现在这里。
低风险：修复逻辑明确且局部，仅影响全 NaN 或部分 NaN 音频路径。原本的无限循环将导致服务不可用，修复后降级为按硬边界分割（可能产生次优分块点）。由于正常音频能量非零且非 NaN，修复代码不会影响正常路径的性能或行为。
影响范围小，仅影响音频预处理模块中两个函数。正常用户无感知；恶意用户通过构造全 NaN 音频发起的 DoS 攻击被消除。对系统稳定性有正面影响。
当前没有检测到明确关联的 Issue 链接，后续同步到相关引用后会出现在这里。
参与讨论