LangChain CVE-2025-68664: আপনার RAG পাইপলাইনে কীভাবে PII ফাঁস হয়

LangChain CVE-2025-68664: আপনার RAG পাইপলাইনে কীভাবে PII ফাঁস হয়

২০২৬ সালের জন্য আপডেট করা হয়েছে।

২০২৫ সালের শেষের দিকে LangChain-এ একটি গুরুতর ত্রুটি পাওয়া গেছে। CVE হলো CVE-2025-68664। CVSS স্কোর 9.3 (Critical)।

এটি LangChain-এর সিরিয়ালাইজেশন কোডকে লক্ষ্য করে।

CVE-2025-68664 কী করে

LangChain-এর দুটি সিরিয়ালাইজেশন ফাংশন রয়েছে: dumps() এবং dumpd()। এগুলো Python অবজেক্টকে টেক্সটে রূপান্তর করে।

ত্রুটিটি ক্লোজার হ্যান্ডলিংয়ে।

যখন LangChain একটি callable সিরিয়ালাইজ করে, তখন এটি ক্লোজার কনটেক্সট ধরে রাখে।

একজন আক্রমণকারী যে LLM রেসপন্স নিয়ন্ত্রণ করে সে dumps() ট্রিগার করতে পারে। এরপর ফাংশনটি Python প্রক্রিয়া থেকে এনভায়রনমেন্ট ভেরিয়েবল পড়ে।

ফলাফল হলো ডেটা উন্মোচন। API key, ডেটাবেস স্ট্রিং, JWT সিক্রেট এবং AWS credentials মডেল আউটপুটে দেখা দিতে পারে।

যে আক্রমণকারী RAG সোর্স ডকুমেন্টে টেক্সট ইনজেক্ট করে সে আপনার প্রোডাকশন সিক্রেট পড়তে পারে।

প্রভাবিত সংস্করণ: LangChain 0.3.22-এর নিচে (Python)। সংস্করণ 0.3.22-এ সমাধান রয়েছে।

PyPI ডেটা দেখায় মার্চ ২০২৬ পর্যন্ত পুরোনো সংস্করণের ব্যাপক ব্যবহার।

RAG পাইপলাইনে কীভাবে PII ফাঁস হয়

CVE-2025-68664 নাটকীয়। কিন্তু এটি একটি বৃহত্তর সমস্যার মাত্র একটি ঘটনা।

RAG পাইপলাইনের মাধ্যমে ডেটা নিয়মিত ফাঁস হয়। কোনো আক্রমণকারীর দরকার নেই।

এখানে একটি স্ট্যান্ডার্ড এন্টারপ্রাইজ RAG সেটআপ দেখুন।

প্রথমত, ইনজেশন। আপনি ভেক্টর স্টোরে কোম্পানির ডকুমেন্ট ইন্ডেক্স করেন। সাপোর্ট টিকেট, গ্রাহকের ইমেইল, চুক্তি এবং HR রেকর্ড ভাবুন।

সাধারণ ভেক্টর স্টোর হলো Pinecone, Weaviate এবং pgvector।

পরবর্তীতে, রিট্রিভাল। একজন ব্যবহারকারী একটি প্রশ্ন করেন। সিস্টেম স্টোর থেকে সবচেয়ে প্রাসঙ্গিক পাঁচটি চাংক টেনে আনে।

তারপর, জেনারেশন। সেই চাংকগুলো LLM — GPT-4o, Claude বা Gemini — এর কাছে কনটেক্সট হিসেবে যায়।

দ্বিতীয় ধাপটি সমস্যার। রিট্রিভড চাংকগুলো সোর্স ডকুমেন্টে যা ছিল তা ধারণ করে। সেটা অন্তর্ভুক্ত করে:

• গ্রাহকের নাম, ইমেইল ঠিকানা এবং ফোন নম্বর
• চুক্তির মূল্য, অ্যাকাউন্ট নম্বর এবং ট্যাক্স পরিচয়পত্র
• কর্মচারীর বেতন ডেটা এবং পারফরম্যান্স রিভিউ নোট
• ক্লিনিকাল নোটে রোগীর নাম
• অভিবাসন ফাইলে জাতীয় পরিচয় নম্বর

সেই ডেটা হুবহু LLM-এ চলে যায়। এটি মডেল আউটপুটে দেখা দিতে পারে।

এটি LLM প্রোভাইডার দ্বারা লগ করা হয়। এটি আপনার কথোপকথনের ইতিহাসে থাকে। এটি আপনার অবজার্ভেবিলিটি স্ট্যাকে প্রবাহিত হয়।

কোনো আক্রমণের দরকার নেই। RAG এভাবেই ডিজাইন করা হয়েছে। এই ডিজাইন বাস্তব গোপনীয়তার ঝুঁকি তৈরি করে।

এন্টারপ্রাইজ ডকুমেন্ট স্টোরে ৬৮টি সিক্রেট প্যাটার্ন

সিকিউরিটি টুলিং ৬৮টি পরিচিত সিক্রেট প্যাটার্ন ট্র্যাক করে। দলগুলো যতটা ভাবে তার চেয়ে বেশি ঘন ঘন এগুলো দেখা যায়।

এখানে সবচেয়ে সাধারণ কয়েকটি:

• AWS Access Key IDs (AKIA...)
• OpenAI API key (sk-...)
• Anthropic API key (sk-ant-...)
• ডেটাবেস URI (postgresql://user:password@host/db)
• JWT টোকেন (base64-এনকোডেড হেডার)
• GitHub Personal Access Token
• Stripe সিক্রেট key (sk_live_...)
• SendGrid API key
• Twilio অ্যাকাউন্ট SID এবং auth টোকেন
• প্রাইভেট key PEM ব্লক

একটি সাপোর্ট টিকেটে একটি ডিবাগ সেশন থেকে গ্রাহকের API key থাকতে পারে।

একটি চুক্তিতে প্রযুক্তিগত হ্যান্ডঅফ থেকে ডেটাবেস credentials থাকতে পারে।

ভুলক্রমে ইন্ডেক্স করা একটি কনফিগ ফাইল পুরো সিক্রেট স্টোর উন্মোচন করতে পারে।

যখন এই ফাইলগুলো স্যানিটাইজেশন ছাড়াই ভেক্টর স্টোরে প্রবেশ করে, প্রতিটি কোয়েরি LLM-এ সিক্রেট পাঠাতে পারে।

সেগুলো শেষ ব্যবহারকারীর কাছেও পৌঁছাতে পারে।

সমাধান: এম্বেড করার আগে অ্যানোনিমাইজ করুন

সঠিক পদ্ধতি হলো চাংক এবং এম্বেডিংয়ের আগে ডকুমেন্ট অ্যানোনিমাইজ করা।

গ্রাহকের ডেটা পরিচালনা করে এমন যেকোনো সিস্টেমের জন্য এই ধাপ প্রয়োজনীয়।

anonym.legal API ব্যবহার করে একটি Python উদাহরণ:

import requests
import os

ANONYM_API_KEY = os.environ["ANONYM_API_KEY"]
ANONYM_BASE_URL = "https://anonym.legal/api"

def anonymize_before_embedding(text: str) -> tuple[str, dict]:
    """এম্বেড করার আগে PII অ্যানোনিমাইজ করুন।"""
    response = requests.post(
        f"{ANONYM_BASE_URL}/presidio/anonymize",
        json={
            "text": text,
            "language": "en",
            "anonymizers": {
                "DEFAULT": {"type": "replace", "new_value": "[REDACTED]"},
                "PERSON": {"type": "mask", "masking_char": "*", "chars_to_mask": 4, "from_end": False},
                "EMAIL_ADDRESS": {"type": "replace", "new_value": "[EMAIL]"},
                "PHONE_NUMBER": {"type": "replace", "new_value": "[PHONE]"},
                "CRYPTO": {"type": "replace", "new_value": "[SECRET]"},
                "URL": {"type": "keep"},
            }
        },
        headers={"Authorization": f"Bearer {ANONYM_API_KEY}"}
    )
    result = response.json()
    return result["text"], result.get("items", [])


def build_rag_index(documents: list[str], vectorstore):
    """শুধুমাত্র পরিষ্কার ডকুমেন্ট দিয়ে RAG ইন্ডেক্স তৈরি করুন।"""
    anonymized_docs = []
    for doc in documents:
        clean_text, entities = anonymize_before_embedding(doc)
        anonymized_docs.append(clean_text)
        print(f"ডকুমেন্ট থেকে {len(entities)}টি PII সত্তা সরানো হয়েছে")
    vectorstore.add_texts(anonymized_docs)

anonym.legal API ২৮৫+ এন্টিটি টাইপ কভার করে। নাম, ইমেইল, ফোন নম্বর, জাতীয় ID, API key এবং ডেটাবেস URI সব ধরা পড়ে।

কোনো সংবেদনশীল তথ্য ভেক্টর স্টোরে পৌঁছায় না। তাই কোনো সংবেদনশীল তথ্য ব্যবহারকারীদের কাছে ফাঁস হতে পারে না।

LangChain এবং LlamaIndex সেটআপ প্যাটার্নের জন্য ডেভেলপার গাইড দেখুন।

এখনই CVE-2025-68664 ঠিক করুন

যদি আপনি LangChain 0.3.22-এর নিচের সংস্করণ চালান, এখনই আপডেট করুন:

pip install "langchain>=0.3.22" "langchain-core>=0.3.22"

প্যাচ করার পরে, ইনজেকশন ঝুঁকির জন্য আপনার chain কনফিগ পরীক্ষা করুন। এখানে নেওয়ার তিনটি পদক্ষেপ আছে।

প্রথমত, রিট্রিভড চাংক যাচাই করুন। LLM-এ পৌঁছানোর আগে এটি করুন।

ইনজেকশন প্যাটার্নের সাথে মেলে এমন কনটেন্ট বাদ দিন, যেমন ignore previous instructions, system: বা <INST>।

দ্বিতীয়ত, এম্বেড করার আগে অ্যানোনিমাইজ করুন। এটি আক্রমণের পৃষ্ঠ সংকুচিত করে।

ইনজেকশন ঘটলেও, সংবেদনশীল ডেটা সেখানে থাকে না যা এক্সট্র্যাক্ট করা যাবে।

তৃতীয়ত, chain পার্মিশন সীমিত করুন। LangChain chain-গুলোর প্রয়োজনীয়তার বাইরে এনভায়রনমেন্ট ভেরিয়েবল পড়া উচিত নয়।

ন্যূনতম স্কোপ সহ একটি সার্ভিস অ্যাকাউন্ট ব্যবহার করুন।

হিসাবটি সহজ

CVSS স্কোর ৯.৩। সমাধান হলো প্রতিটি ডকুমেন্টের জন্য একটি API কল।

CVE-2025-68664 এবং সাধারণ RAG ডেটা ঝুঁকির সমন্বয় একটি বাস্তব দায়বদ্ধতা।

সমাধান স্পষ্ট: কোয়েরি সময়ে নয়, ইনজেশনের সময় অ্যানোনিমাইজ করুন।

এন্টারপ্রাইজ RAG প্রয়োজনীয়তার জন্য নিরাপত্তা ও কমপ্লায়েন্স ওভারভিউ দেখুন।

সূত্র

• NVD CVE-2025-68664, CVSS 9.3, LangChain সিরিয়ালাইজেশন দুর্বলতা
• LangChain নিরাপত্তা পরামর্শ, langchain-ai/langchain GitHub, ২০২৫
• OWASP LLM Top 10: LLM01 Prompt Injection, LLM06 Sensitive Information Disclosure
• anonym.legal এন্টিটি টাইপ ডকুমেন্টেশন — ২৮৫+ সমর্থিত এন্টিটি টাইপ