> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/deployment/hi/self-hosted/inference-server/configuration/security-migration.md). # सुरक्षा कॉन्फ़िगरेशन माइग्रेशन रिलीज़ स्कोप की जाँच करें और localhost बाइंडिंग, मॉडल प्राधिकरण, वीडियो सीमाओं, और रनटाइम हार्डनिंग के लिए self-hosted Inference सेटिंग्स अपडेट करें। स्व-होस्टेड Inference Server, CLI, या image को अपग्रेड करते समय इस मार्गदर्शिका का उपयोग करें। यह नेटवर्क एक्सपोज़र में होने वाले परिवर्तनों को उन परिवर्तनों से अलग करती है जिनके लिए स्पष्ट फीचर opt-in आवश्यक है। ## रिलीज़ स्थिति इस दस्तावेज़ की source से तुलना 11 सितंबर, 2026 को की गई थी। source में merge होने से यह स्थापित नहीं होता कि कौन सा प्रकाशित package या image उस परिवर्तन को शामिल करता है।
परिवर्तनsource स्थितिरिलीज़ दायरा
Localhost publishing और desktop binding, PR #2943mergedइंस्टॉल किए गए CLI और desktop bundle की जाँच करें; पहली जारी की गई versions यहां सत्यापित नहीं की गई हैं।
Managed pipeline process cap और RAM guard, PR #2944mergedऐसे server image की आवश्यकता है जिसमें यह परिवर्तन शामिल हो; पहली जारी की गई version यहां सत्यापित नहीं की गई है।
Local model authorization guard, PR #2956mergedऐसे server build की आवश्यकता है जिसमें यह परिवर्तन शामिल हो; पहली जारी की गई version यहां सत्यापित नहीं की गई है।
Model, media, TLS, gateway, offline execution, और OPC UA hardening, PR #2952लंबित, commit 54a663f1d पर समीक्षा की गईयह जारी किए गए images के बारे में कोई दावा नहीं है। नीचे दिए गए अनुभाग प्रस्तावित runtime-hardening build का वर्णन करते हैं।
आप जो package और image versions deploy करते हैं, उन्हें pin करें, फिर पुष्टि करें कि उनमें संबंधित परिवर्तन शामिल हैं। केवल source या image defaults बदलने से मौजूदा containers में ये परिवर्तन नहीं जुड़ते। ## Localhost publishing CLI प्रकाशित करता है `127.0.0.1` सामान्य CPU और GPU launches के लिए हर host interface के बजाय। दूरस्थ clients को स्पष्ट रूप से exposed address का उपयोग करना होगा, जैसे `inference server start --bind-address 0.0.0.0`, और access केवल trusted clients तक सीमित होनी चाहिए। Jetson CLI launches में `0.0.0.0`और `--tunnel` भी प्रकाशित करता है `0.0.0.0` ताकि tunnel कनेक्ट कर सके। Desktop bundles डिफ़ॉल्ट रूप से `127.0.0.1` को उपयोग करते हैं `HOST`; manual Docker mappings operator की पसंद बने रहते हैं। ### Feature और observability defaults Custom Python स्थानीय execution के साथ डिफ़ॉल्ट रूप से सक्षम बना रहता है; 19 जून, 2026 के default flip की पहले की घोषणा अब लागू नहीं होती। Stream API enablement और Workspace authentication अपना मौजूदा व्यवहार बनाए रखते हैं, और कोई नया stream administration token नहीं है। Health, documentation, और metrics endpoints अपने मौजूदा API-key exemptions बनाए रखते हैं। नेटवर्क boundary और endpoint list के लिए [सर्वर सुरक्षा](/deployment/hi/self-hosted/inference-server/configuration/security.md) देखें ## Pipeline क्षमता नई process allocation यहां रुकती है `managed pipeline processes की अधिकतम सीमा, idle workers सहित। जिन requests को cap से ऊपर नए worker की आवश्यकता होती है, उन्हें अस्वीकार कर दिया जाता है। यदि STREAM_API_PRELOADED_PROCESSES अधिक है, तो इसे उसी तक बढ़ाया जाता है। देखें`, डिफ़ॉल्ट `8`, और यदि preload count अधिक हो तो प्रभावी cap उसी तक बढ़ा दी जाती है। मौजूदा idle workers को cap पर अभी भी assigned किया जा सकता है, और warm-pool replenishment उससे अधिक नहीं हो सकता। जिन deployments को अधिक workers की आवश्यकता है, उन्हें capacity जांचने के बाद अधिक cap चुननी चाहिए। RAM guard initialization के दौरान विफल होने के बजाय samples के बिना workers को भी संभालती है; देखें [STREAM\_MANAGER\_MAX\_RAM\_MB](/deployment/hi/self-hosted/inference-server/configuration/video-configuration.md#managed-pipeline-limits). ## Local model authorization Online servers अस्वीकार करते हैं `MODELS_CACHE_AUTH_ENABLED=True` के साथ संयुक्त `ALLOW_INFERENCE_MODELS_DIRECTLY_ACCESS_LOCAL_PACKAGES=True`. जब आपको per-model API-key checks की आवश्यकता हो, तो local loading disabled रखें, या केवल तभी model authorization disable करें जब आप जानबूझकर local package callers पर भरोसा करते हों। Offline deployments स्पष्ट `जब offline mode और model cache authorization दोनों सक्षम हों, तब आवश्यक स्पष्ट authorization bypass। केवल trusted single-tenant deployments के लिए।` आवश्यकता बनाए रखते हैं। देखें [ALLOW\_INFERENCE\_MODELS\_UNTRUSTED\_PACKAGES](/deployment/hi/self-hosted/inference-server/configuration/model-security.md). ## Video source validation लंबित runtime-hardening build में, raw GStreamer descriptions डिफ़ॉल्ट रूप से अस्वीकार किए जाते हैं, और ऐसे bare filenames जैसे `video.mp4` को बदलना होगा `./video.mp4`. उपयोग करें `ALLOW_UNSAFE_GSTREAMER_PIPELINES=True` केवल उन workloads के लिए जो raw pipeline interpretation की आवश्यकता रखते हैं और उस पर भरोसा करते हैं। यह [समर्थित reference formats](/deployment/hi/self-hosted/inference-server/configuration/video-configuration.md#server-side-video-references) में उस opt-in के बिना सामान्य RTSP और RTMP URLs शामिल हैं। Direct local Python media use और SDK client पर खोली गई files अपरिवर्तित हैं। ## Model package trust लंबित runtime-hardening build में, JetPack 5.1.1, 6.2.0, और 7.2.0 images स्विच करती हैं `untrusted के रूप में वर्गीकृत डाउनलोड किए गए packages की अनुमति देता है। सीधे local loading से अलग; देखें` से `WORKFLOWS_CUSTOM_PYTHON_EXECUTION_MODE` को `MODEL_VALIDATION_DISABLED`। `inference-models-speed` benchmark भी अपने CLI, adapter, और Python helper defaults को untrusted packages अस्वीकार करने के लिए बदलता है। image setting या benchmark के `--allow-untrusted-packages` flag के साथ स्पष्ट रूप से opt in करें, केवल तब जब आप executable package पर भरोसा करते हों। देखें [ALLOW\_INFERENCE\_MODELS\_UNTRUSTED\_PACKAGES](/deployment/hi/self-hosted/inference-server/configuration/model-security.md#package-trust-defaults); direct local package access एक अलग setting है। पहले प्रकाशित JetPack 6.0 images इस परिवर्तन से अपडेट नहीं होतीं, और समीक्षा किए गए source में अब वह Dockerfile नहीं है। उन deployments की अलग से सूची बनाएं। ## TLS client certificates लंबित runtime-hardening build में, Python Uvicorn, shell Uvicorn, और parallel Gunicorn launchers को एक मान्य client certificate की आवश्यकता होती है जब दोनों `ENABLE_HTTPS=True` और `HTTPS के लिए client CA bundle। देखें` कॉन्फ़िगर हों। अपग्रेड करने से पहले applications और health या metrics checks के लिए client certificates प्रदान करें। client CA के बिना HTTPS केवल server-only TLS बनाए रखता है, और जब HTTPS अक्षम होता है तो HTTP डिफ़ॉल्ट बना रहता है। देखें [SSL\_CERTFILE](/deployment/hi/self-hosted/inference-server/configuration/https.md#mutual-tls). ### Encrypted keys parallel Gunicorn launcher अस्वीकार करता है `Uvicorn के लिए encrypted-key passphrase। parallel Gunicorn launcher द्वारा समर्थित नहीं।` क्योंकि यह उस विकल्प का समर्थन नहीं करता। encrypted key के लिए Uvicorn launcher का उपयोग करें; Python और shell दोनों Uvicorn पासवर्ड का समर्थन करते हैं। ## Gateway transport लंबित runtime-hardening build में, एक bare `SECURE_GATEWAY=host:port` HTTP से HTTPS में स्विच करता है और migration warning देता है। एक स्पष्ट `https://` URL का उपयोग करें और अपग्रेड करने से पहले gateway certificate trust कॉन्फ़िगर करें। Plain HTTP केवल एक स्पष्ट रूप से कॉन्फ़िगर किए गए loopback IP या के लिए स्वीकार किया जाता है `localhost`, जैसे `http://127.0.0.1:8080`; remote और LAN gateways को HTTPS पर सेवा देनी होगी। असमर्थित schemes, embedded credentials, queries, fragments, और whitespace, Inference तथा अलग से इंस्टॉल किए गए दोनों में configuration import को विफल करते हैं `backend` package में। एक loopback tunnel server के अपने network namespace से पहुंच योग्य होना चाहिए। gateway setup के लिए [Inference Servers को कनेक्ट करना](/deployment/hi/self-hosted/enterprise/secure-gateway.md#connecting-inference-servers) का पालन करें, जिसमें legacy `LICENSE_SERVER` alias शामिल है। ## Offline Custom Python लंबित runtime-hardening build में, `OFFLINE_MODE=True` के साथ `WORKFLOWS_CUSTOM_PYTHON_EXECUTION_MODE=modal` स्थानीय रूप से code को चुपचाप चलाने के बजाय startup विफल कर देता है। trusted code के लिए local execution की अनुमति देने हेतु स्पष्ट रूप से `GPU tensor pipeline` चुनें, या Modal के लिए online connectivity बनाए रखें। execution mode स्वीकार करता है `GPU tensor pipeline` और `modal`, case और आसपास के whitespace को अनदेखा करते हुए; अज्ञात values startup विफल कर देती हैं। इससे सामान्य local Custom Python अक्षम नहीं होता। ## OPC UA credentials लंबित runtime-hardening build में, pooled OPC UA sessions endpoint, username, और password के आधार पर isolated रहती हैं। गलत, खाली, या छोड़े गए password वाला request किसी अन्य password से authenticated session का पुन: उपयोग नहीं कर सकता; credential rotation एक अलग connection बनाती है। Workflow लेखक वही credential fields उपयोग करते रहते हैं। जो integrations connection manager को सीधे call करते हैं, उन्हें मूल password को `release_connection` और `invalidate_connection`, सहित स्पष्ट `None` anonymous sessions के लिए पास करना होगा। ## अन्य सुधार लंबित runtime-hardening build in-memory queue के भर जाने पर usage-collector stall को ठीक करता है; यह usage collection को अक्षम नहीं करता या monitoring opt-ins को नहीं बदलता। CI shell-input validation और review-tool installation changes के लिए deployment configuration changes की आवश्यकता नहीं है।