CVE-2026-101861 : exécution de code à distance par eval() non sécurisé dans le schéma d'entrée des composants Langflow
SCORE DE MENACE HERMES & SURFACE D'EXECUTION IA AGENTIQUE
Cible :Langflow Visual Agent Builder - schema.py / ComponentToolkit Le standard CVSS v3.1 attribue un score de 9.8 (Critique, CVSS:3.1/AV:N/AC:L/PR:L/UI:N/S:U/C:H/I:H/A:H). Le score de menace opérationnel Hermes (HTS) l'évalue à 92 (CRITIQUE), tandis que le score de sécurité agentique (HASS) l'élève à 94 (CRITIQUE). Dans les architectures d'IA générative modernes, Langflow sert de plan d'exécution et de chef d'orchestre pour les chaînes multi-agents, les boucles de programmation autonome et les pipelines RAG. Lorsqu'un schéma de composant forgé est enregistré via l'API ou partagé entre collaborateurs, le puits eval() s'exécute dans le conteneur hôte avec un accès direct aux clés d'API des modèles LLM (OpenAI, Anthropic), aux vecteurs de bases de données, aux chaînes de connexion SQL et aux outils connectés aux agents.
CVE-2026-101861: Langflow Component Input Schema Unsafe eval() Remote Code ExecutionVULNÉRABILITÉ
Visual framework and multi-agent development environment for building, evaluating, and deploying conversational AI pipelines.
🔍 Pourquoi cette relation ? (Preuves & Provenance)
“Confirmed security vulnerability in Langflow Visual AI Builder documented in Hermes dossier.”
- [vulnerability_report]
- [government_confirmation]CISA verified active exploitation in the wild and mandated federal remediation deadline in KEV entry. — Source : Cybersecurity & Infrastructure Security Agency (CISA): CISA Adds CVE-2026-59822 to Known Exploited Vulnerabilities Catalog (Fiabilité : VERY_HIGH)
Attacker registers rogue MCP tools or skills with weaponized docstrings and deceptive metadata that trick the model into routing sensitive user tasks to attacker-controlled functions.
🔍 Pourquoi cette relation ? (Preuves & Provenance)
“CVE-2026-101861 weaponizes the agentic attack pattern formalized under AAP-004.”
- [technical_analysis]Pillar Security demonstrated that executing export BASH_ENV in Auto-Run causes bash to source hostile payloads upon subsequent commands. — Source : Pillar Security Research: Bypassing Cursor Auto-Run: When Shell Built-ins Lead to Host RCE (Fiabilité : HIGH)
Adversarial subversion of structured tool execution arguments (SQL, Shell, Filepath) passed from an LLM agent to host OS tools or MCP endpoints.
🔍 Pourquoi cette relation ? (Preuves & Provenance)
“CVE-2026-101861 weaponizes the agentic attack pattern formalized under AAP-003.”
- [technical_analysis]Pillar Security demonstrated that executing export BASH_ENV in Auto-Run causes bash to source hostile payloads upon subsequent commands. — Source : Pillar Security Research: Bypassing Cursor Auto-Run: When Shell Built-ins Lead to Host RCE (Fiabilité : HIGH)
1. Contexte technique & matrice logicielle
Section intitulée « 1. Contexte technique & matrice logicielle »Langflow est un environnement visuel open source permettant de concevoir, orchestrer et déployer des agents autonomes, des architectures LangChain et des ponts Model Context Protocol (MCP).
| Paramètre | Spécification technique | Impact opérationnel |
|---|---|---|
| Identifiant CVE | CVE-2026-101861 | Référence internationale de suivi des vulnérabilités |
| Source du renseignement | VulnCheck Exploit Intelligence / NVD | Alerte sur exploit militarisé |
| Classe de vulnérabilité | Évaluation de code dynamique non sécurisée (CWE-95) | Exécution de code Python arbitraire sur l’hôte |
| Fichier vulnérable | src/backend/base/langflow/schema.py | Sérialiseur de schémas & convertisseur d’outils LangChain |
| Fonction vulnérable | ComponentToolkit.get_tools() / générateur de schémas | Évaluation dynamique de type via eval() |
| Versions affectées | 1.0.16 <= v < 1.12.0, 0.0.94 <= v < 1.0.0 | Déploiements Langflow conteneurisés et installations pip |
| Version corrigée | 1.12.0 | Analyse statique et typage sans appel à eval() |
| Score de sécurité agentique (HASS) | 94 / 100 (CRITIQUE) | Compromission totale des chaînes d’outils et secrets de modèles |
2. Décomposition technique approfondie
Section intitulée « 2. Décomposition technique approfondie »Transformation de composants dans Langflow
Section intitulée « Transformation de composants dans Langflow »Dans Langflow, chaque nœud visuel représente un modèle de langage, une invite, un outil ou un composant Python personnalisé. Pour exposer ces composants à des agents LangChain, Langflow génère des modèles Pydantic dynamiques au sein desquels les listes d’options sont converties en contraintes de typage :
UTILISATEUR AUTHENTIFIÉ (POST /api/v1/custom_component) │ │ Schéma de composant contenant un champ 'options' ▼ ┌───────────────────────────────────┐ │ Point de terminaison FastAPI │ └─────────────────┬─────────────────┘ │ Schéma JSON brut ▼ ┌───────────────────────────────────┐ │ ComponentToolkit.get_tools() │ │ dans langflow/schema.py │ └─────────────────┬─────────────────┘ │ Interpolation textuelle : f"Literal[{options}]" ▼ ┌───────────────────────────────────┐ │ Puits d'évaluation eval() │ <--- [Vulnérabilité CVE-2026-101861] │ eval(literal_str) │ Exécution arbitraire sans contrôle └─────────────────┬─────────────────┘ │ Exécution d'instructions système ▼ ┌───────────────────────────────────┐ │ Prise de contrôle de l'hôte │ │ Vol des clés d'API et pivotement │ └───────────────────────────────────┘Analyse de la cause racine : évaluation non assainie via eval()
Section intitulée « Analyse de la cause racine : évaluation non assainie via eval() »La vulnérabilité provient de la méthode de construction du type Literal pour les champs de formulaire à choix multiples dans langflow/schema.py. La fonction tente de générer dynamiquement l’expression de typage :
# Modèle vulnérable dans langflow/schema.py (versions < 1.12.0)def build_field_type(field_name, field_config): options = field_config.get("options", []) if options: # VULNÉRABILITÉ : les représentations des options sont directement injectées dans une chaîne # Si options contient des objets dont la méthode __repr__() produit du code, # ou si une chaîne contient une syntaxe malveillante, eval() l'exécute. options_repr = ", ".join(repr(opt) for opt in options) literal_type_str = f"Literal[{options_repr}]"
# PUITS : évaluation sans liste blanche AST ni espace de noms restreint return eval(literal_type_str, {"Literal": Literal})
return strLorsqu’un utilisateur transmet une définition de composant contenant une charge utile sérialisée comme :
__import__('os').system('id > /tmp/pwned')ou injecte un objet dont la méthode repr(opt) produit une traversée de classes de type __class__.__base__.__subclasses__(), l’appel à eval() évalue la chaîne dans le contexte du processus Python actif. Comme le dictionnaire des variables globales ne surcharge que Literal, la résolution interne de Python accède aux fonctions natives intégrées (__builtins__), octroyant l’accès immédiat à __import__, eval, exec et à la bibliothèque standard.
3. Vecteurs d’attaque & militarisation réelle
Section intitulée « 3. Vecteurs d’attaque & militarisation réelle »sequenceDiagram autonumber participant Assaillant as Assaillant authentifié / Développeur malveillant participant API as API Langflow (/api/v1/custom_component) participant Moteur as Compilateur de schémas (schema.py) participant Hote as Environnement Python hôte
Assaillant->>API: Connexion avec un compte utilisateur standard Assaillant->>API: Envoi d'une requête POST avec le tableau d'options injecté API->>Moteur: Appel de ComponentToolkit.get_tools() pour valider le schéma Moteur->>Moteur: Concaténation des options dans f"Literal[{options}]" Moteur->>Hote: Exécution de eval(literal_type_str) Hote->>Hote: Lancement de __import__('subprocess').Popen(...) Hote-->>Assaillant: Shell inverse TCP / exfiltration des variables .env- Accès à l’espace de travail : l’attaquant accède à un projet partagé ou s’enregistre sur une instance Langflow multi-utilisateurs.
- Soumission du composant : soumission d’un composant personnalisé via
POST /api/v1/custom_componentou importation d’un fichier de flux JSON contenant le modèle piégé. - Déclenchement du puits : Langflow convertit les champs en outils LangChain et soumet les options à
build_field_typedansschema.py. - Exécution de code arbitraire : l’instruction
eval()exécute la charge utile, permettant l’extraction des variables d’environnement (OPENAI_API_KEY,ANTHROPIC_API_KEY,DATABASE_URL) vers un serveur de commande et contrôle extérieur.
4. Triage forensique & ingénierie de la détection
Section intitulée « 4. Triage forensique & ingénierie de la détection »title: Création de sous-processus suspect depuis un processus Langflow Pythonid: d4b1a820-912f-4c55-b789-101861000002status: experimentaldescription: Détecte le lancement anormal d'interpréteurs de commandes ou d'outils réseau par le processus backend de Langflow.references: - https://vulncheck.com/advisories/langflow-code-execution-via-eval-in-component-input-schema - https://github.com/langflow-ai/langflowauthor: Hermes Codex Cyber Intelligencedate: 2026-09-29logsource: product: linux category: process_creationdetection: selection_parent: ParentCommandLine|contains: - "langflow" - "uvicorn langflow" selection_children: Image|endswith: - "/bin/sh" - "/bin/bash" - "/usr/bin/curl" - "/usr/bin/wget" - "/bin/nc" condition: selection_parent and selection_childrenfalsepositives: - Composants légitimes invoquant des commandes en environnement de test isolélevel: criticaltags: - attack.execution - attack.t1059.006 - attack.defense_evasion// Détection Microsoft Sentinel / Microsoft Defender for Endpoint// Surveillance des processus fils anormaux issus des conteneurs LangflowDeviceProcessEvents| where InitiatingProcessCommandLine has "langflow" or InitiatingProcessCommandLine has "uvicorn"| where FileName in~ ("sh", "bash", "curl", "wget", "nc", "python", "python3")| where ProcessCommandLine !has "langflow"| project TimeGenerated, DeviceName, InitiatingProcessCommandLine, FileName, ProcessCommandLine, AccountName| sort by TimeGenerated desc#!/usr/bin/env python3"""Script d'audit des flux et schémas LangflowRecherche de motifs d'injection eval() dans les fichiers JSON stockés."""import jsonimport reimport sys
MOTIFS_SUSPECTS = [ re.compile(r"__import__", re.IGNORECASE), re.compile(r"subprocess", re.IGNORECASE), re.compile(r"__subclasses__", re.IGNORECASE), re.compile(r"__class__", re.IGNORECASE), re.compile(r"system\(", re.IGNORECASE), re.compile(r"exec\(", re.IGNORECASE), re.compile(r"eval\(", re.IGNORECASE),]
def auditer_fichier_flux(chemin_fichier): with open(chemin_fichier, "r", encoding="utf-8") as f: donnees = json.load(f)
anomalies = [] chaine_json = json.dumps(donnees) for motif in MOTIFS_SUSPECTS: occurrences = motif.findall(chaine_json) if occurrences: anomalies.append(f"Motif suspect identifié : {occurrences[0]}")
return anomalies
if __name__ == "__main__": if len(sys.argv) < 2: print("Usage: python auditer_langflow.py <chemin_vers_flux.json>") sys.exit(1) resultats = auditer_fichier_flux(sys.argv[1]) if resultats: print(f"[!] ALERTE : Motifs potentiels d'exploitation CVE-2026-101861 trouvés :") for r in resultats: print(f" - {r}") else: print("[+] Conforme : Aucun motif suspect détecté.")rule Langflow_CVE_2026_101861_Exploit_Pattern { meta: description = "Détecte les charges utiles Langflow contenant des expressions d'injection eval dans le champ options" author = "Hermes Codex Cyber Intelligence" date = "2026-09-29" cve = "CVE-2026-101861" strings: $field_options = "\"options\":" ascii $lit_inject1 = "__import__(" ascii $lit_inject2 = "__subclasses__()" ascii $lit_inject3 = "os.system" ascii $lit_inject4 = "subprocess.Popen" ascii condition: $field_options and (1 of ($lit_inject*))}5. Stratégie de remédiation & durcissement
Section intitulée « 5. Stratégie de remédiation & durcissement »-
Mise à niveau vers Langflow 1.12.0 OU supérieur : Mettre à jour l’image de conteneur ou le paquet Python immédiatement :
Fenêtre de terminal pip install --upgrade "langflow>=1.12.0"La version 1.12.0 remplace la concaténation de chaînes et
eval()par une analyse statique sécurisée de l’arbre syntaxique (AST). -
Restriction des composants personnalisés : Désactiver la création non contrôlée de composants personnalisés sur les instances de production via les variables d’environnement dans
langflow.env:Fenêtre de terminal LANGFLOW_AUTO_SAVING=falseLANGFLOW_STORE=false -
Renouvellement des clés d’API et secrets : Si l’investigation révèle des commandes suspectes ou des flux anormaux :
- Révoquer immédiatement les jetons de modèles LLM (OpenAI, Anthropic, Cohere, HuggingFace).
- Renouveler les identifiants de bases de données et les clés de bases vectorielles (Pinecone, Qdrant, Chroma).
- Redéployer les conteneurs avec une politique réseau d’isolation stricte interdisant les connexions sortantes non nécessaires.