Aller au contenu

CVE-2026-101861 : exécution de code à distance par eval() non sécurisé dans le schéma d'entrée des composants Langflow

Densité :
HERMES

SCORE DE MENACE HERMES & SURFACE D'EXECUTION IA AGENTIQUE

Cible : Langflow Visual Agent Builder - schema.py / ComponentToolkit
Confiance : 98%
92 / 100
CRITIQUE

Mesure la pertinence opérationnelle réelle, la militarisation de l'exploit et la posture de menace active.

Décomposition des dimensions
Exploitabilité 19 / 20
Activité de menace 17 / 20
Militarisation 19 / 20
Exposition 18 / 20
Prévalence 18 / 20
Impact 19 / 20
Maturité de l'exploit 19 / 20
Potentiel d'attaque en chaîne 20 / 20
⚖️ Divergence & Justification opérationnelle

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.

🕸️ Graphe de connaissances connecté & Provenance

CVE-2026-101861: Langflow Component Input Schema Unsafe eval() Remote Code ExecutionVULNÉRABILITÉ

Nœuds connectés : 4
Relations sortantes actives
→ affectsCOMPOSANTLangflow AI Workflow Orchestrator
98% VERY_HIGH

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.”

Preuves vérifiées associées :
→ exploitsMODÈLE D'ATTAQUEAAP-004: Semantic Tool Poisoning
92% 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.”

Preuves vérifiées associées :
92% VERY_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.”

Preuves vérifiées associées :
Associations entrantes
CHAIN-2026-LANGFLOW-AGENTEXPLOIT CHAIN → uses → [Cette entité]
96% VERY_HIGH

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).

ParamètreSpécification techniqueImpact opérationnel
Identifiant CVECVE-2026-101861Référence internationale de suivi des vulnérabilités
Source du renseignementVulnCheck Exploit Intelligence / NVDAlerte sur exploit militarisé
Classe de vulnérabilitéÉvaluation de code dynamique non sécurisée (CWE-95)Exécution de code Python arbitraire sur l’hôte
Fichier vulnérablesrc/backend/base/langflow/schema.pySérialiseur de schémas & convertisseur d’outils LangChain
Fonction vulnérableComponentToolkit.get_tools() / générateur de schémasÉvaluation dynamique de type via eval()
Versions affectées1.0.16 <= v < 1.12.0, 0.0.94 <= v < 1.0.0Déploiements Langflow conteneurisés et installations pip
Version corrigée1.12.0Analyse 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

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 str

Lorsqu’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.


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
  1. Accès à l’espace de travail : l’attaquant accède à un projet partagé ou s’enregistre sur une instance Langflow multi-utilisateurs.
  2. Soumission du composant : soumission d’un composant personnalisé via POST /api/v1/custom_component ou importation d’un fichier de flux JSON contenant le modèle piégé.
  3. Déclenchement du puits : Langflow convertit les champs en outils LangChain et soumet les options à build_field_type dans schema.py.
  4. 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 Python
id: d4b1a820-912f-4c55-b789-101861000002
status: experimental
description: 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/langflow
author: Hermes Codex Cyber Intelligence
date: 2026-09-29
logsource:
product: linux
category: process_creation
detection:
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_children
falsepositives:
- Composants légitimes invoquant des commandes en environnement de test isolé
level: critical
tags:
- attack.execution
- attack.t1059.006
- attack.defense_evasion

  1. 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).

  2. 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=false
    LANGFLOW_STORE=false
  3. 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.