news 2026/5/23 16:50:26

LangChain核心库曝出严重漏洞,AI智能体机密信息面临泄露风险

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
LangChain核心库曝出严重漏洞,AI智能体机密信息面临泄露风险

人工智能安全初创公司Cyata Security Ltd.今天发布报告,详细介绍了最近在langchain-core中发现的一个严重漏洞。langchain-core是基于LangChain智能体背后的基础库,在人工智能生产环境中被广泛使用。

这个漏洞被追踪为CVE-2025-68664,绰号"LangGrinch",通用漏洞评分系统得分为9.3分。该漏洞可能允许攻击者从受影响系统中窃取敏感机密信息,在特定条件下甚至可能升级为远程代码执行。

langchain-core位于智能体AI生态系统的核心,是无数框架和应用程序的核心依赖项。据Cyata称,公共包下载追踪器显示langchain-core的总下载量约为8.47亿次,在过去30天内有数千万次下载。更广泛的LangChain包每月约有9800万次下载,突显了这个存在漏洞的组件在现代AI工作流程中的深度嵌入程度。

LangGrinch漏洞的成因

LangGrinch漏洞源于langchain-core内置辅助函数中的序列化和反序列化注入漏洞。攻击者可以通过提示注入引导AI智能体生成包含LangChain内部标记键的精心构造的结构化输出来利用该漏洞。由于标记键在序列化过程中没有得到适当的转义处理,数据后续可能被反序列化并被解释为可信的LangChain对象,而不是不可信的用户输入。

Cyata安全研究员Yarden Porat解释说:"这个发现的有趣之处在于,漏洞存在于序列化路径中,而不是反序列化路径中。在智能体框架中,提示下游产生的结构化数据通常会被持久化、流式传输并在稍后重建。这创造了一个从单个提示就能触及的惊人大的攻击面。"

一旦漏洞被触发,它可能导致通过出站HTTP请求完全泄露环境变量。暴露的信息可能包括云服务提供商凭证、数据库和检索增强生成(RAG)连接字符串、向量数据库机密以及大语言模型应用程序编程接口密钥。

攻击路径和影响范围

Cyata的研究人员识别出了12种不同的可达攻击流程,突出了智能体的常规操作(如持久化、流式传输和重建结构化数据)如何无意中开启攻击路径。

值得注意的是,该漏洞存在于langchain-core本身,不依赖于第三方工具、集成或连接器。Cyata强调,这使得该缺陷特别危险,因为它位于该公司所描述的生态系统"管道层"中,被许多生产系统持续使用。

补丁和修复建议

现在langchain-core版本1.2.5和0.3.81中已经提供了补丁,Cyata敦促组织立即更新。在公开详细信息之前,Cyata向LangChain维护者进行了道德披露,Cyata称赞他们采取了果断的修复措施和超越即时修复的安全加固步骤。

Cyata联合创始人兼首席执行官Shahar Tal表示:"随着智能体投入生产,安全问题从'我们运行什么代码'转变为'这个系统最终行使什么有效权限'。对于智能体身份,你需要严格的默认设置、清晰的边界,以及在出现问题时减少爆炸半径的能力。"

Q&A

Q1:LangGrinch漏洞是什么,为什么如此严重?

A:LangGrinch是langchain-core库中发现的一个严重安全漏洞,编号为CVE-2025-68664,安全评分高达9.3分。该漏洞可能允许攻击者窃取系统中的敏感机密信息,包括云服务凭证、数据库连接字符串和API密钥,在特定条件下甚至可能升级为远程代码执行。

Q2:LangGrinch漏洞的攻击原理是什么?

A:该漏洞源于langchain-core序列化和反序列化功能中的注入漏洞。攻击者通过提示注入引导AI智能体生成包含LangChain内部标记键的恶意结构化输出。由于标记键未得到正确转义处理,恶意数据被反序列化时会被系统误认为可信对象而不是用户输入。

Q3:如何防护LangGrinch漏洞?

A:组织应立即将langchain-core更新到版本1.2.5或0.3.81,这些版本已包含安全补丁。由于langchain-core是众多AI应用的核心依赖库,拥有数亿次下载量,因此及时更新对于保护AI智能体系统的安全至关重要。


版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/16 13:41:55

【AI赋能软件质量】:Open-AutoGLM实现零代码自动化测试的秘密

第一章:AI赋能软件质量的演进与Open-AutoGLM的崛起人工智能技术正深刻重塑软件工程的质量保障体系。从早期基于规则的静态分析工具,到机器学习驱动的缺陷预测模型,AI在测试用例生成、代码审查、异常检测等环节持续释放价值。随着大语言模型&a…

作者头像 李华
网站建设 2026/5/14 12:42:31

消息传递算法在组合优化中的应用

消息传递算法在组合优化中的应用 在播客、有声书和虚拟角色对话日益普及的今天,人们对语音合成的要求早已超越“能听清”这一基本门槛。我们期待的是自然如真人交谈的音频体验:多角色轮番登场、情绪随情节起伏、语调连贯不跳跃——而这些,正是…

作者头像 李华
网站建设 2026/5/23 3:30:46

国内外开源与闭源大模型清单

国内外开源与闭源大模型清单国外开源LLaMA 3.x(Meta):通用基座,覆盖多尺寸,生态完善。Mixtral 8x7B / Mixtral 22B(Mistral AI):MoE 架构,高效推理。Gemma 1–3&#xff…

作者头像 李华
网站建设 2026/5/16 22:09:02

马上 2026 年了,大模型机翻到底行不行?怎么让它更好?

又有一段时间没发稿了,今天献上年终特稿,分享一组针对大模型在软件本地化翻译中应用的实证研究,看看通过一系列实验,我们能得到哪些有价值的结论——所有结论会在文章结尾总结给大家,不过也非常推荐大家看看正文&#…

作者头像 李华
网站建设 2026/5/3 11:35:53

数据库合并与流程配置更新

数据库合并与流程配置更新 在企业级系统整合的实战中,最让人神经紧绷的场景之一,莫过于将多个独立运行的子系统“缝合”进一个统一平台。这不仅是数据的搬运,更是一场对一致性、可用性和业务连续性的全面考验。尤其是当这些系统各自拥有完整…

作者头像 李华
网站建设 2026/5/19 5:42:01

C4D材质基础:从金属到玻璃的贴图技巧

C4D材质基础:从金属到玻璃的贴图技巧 在三维设计中,一个模型是否“真实”,往往不取决于建模精度有多高,而在于它的表面是否可信。即便是一个简单的球体,只要材质做得好,也能让人误以为是刚抛光的不锈钢轴承…

作者头像 李华