LangChain CVE-2025-68664: Cara PII Bocor Melalui Saluran Paip RAG Anda
Dikemas kini untuk 2026.
Kelemahan kritikal ditemui dalam LangChain pada akhir 2025. CVE ialah CVE-2025-68664. Skor CVSS ialah 9.3 (Kritikal).
Ia menyasarkan kod pensirian LangChain.
Apa yang CVE-2025-68664 Lakukan
LangChain mempunyai dua fungsi pensirian: dumps() dan dumpd(). Mereka menukar objek Python kepada teks.
Kelemahannya ada dalam pengendalian penutupan.
Apabila LangChain mensirikan sesuatu yang boleh dipanggil, ia menangkap konteks penutupan.
Penyerang yang mengawal respons LLM boleh mencetuskan dumps(). Fungsi itu kemudian membaca pemboleh ubah persekitaran daripada proses Python.
Hasilnya adalah pendedahan data. Kunci API, rentetan pangkalan data, rahsia JWT, dan kelayakan AWS boleh muncul dalam output model.
Penyerang yang menyuntik teks ke dalam dokumen sumber RAG boleh membaca rahsia pengeluaran anda.
Versi yang terjejas: LangChain di bawah 0.3.22 (Python). Versi 0.3.22 mempunyai pembetulan.
Data PyPI menunjukkan penggunaan meluas versi lama hingga Mac 2026.
Cara PII Bocor dalam Saluran Paip RAG
CVE-2025-68664 adalah dramatik. Tetapi ia hanya satu kes masalah yang lebih luas.
Data bocor melalui saluran paip RAG secara rutin. Tiada penyerang diperlukan.
Berikut adalah persediaan RAG perusahaan standard.
Pertama, pengingesan. Anda mengindeks dokumen syarikat ke dalam kedai vektor. Bayangkan tiket sokongan, e-mel pelanggan, kontrak, dan rekod HR.
Kedai vektor yang biasa adalah Pinecone, Weaviate, dan pgvector.
Seterusnya, pengambilan semula. Pengguna bertanya soalan. Sistem menarik lima serpihan paling relevan dari kedai.
Kemudian, penjanaan. Serpihan tersebut pergi ke LLM - GPT-4o, Claude, atau Gemini - sebagai konteks.
Langkah kedua adalah masalah. Serpihan yang diambil semula menyimpan apa sahaja yang dimiliki dokumen sumber. Ini termasuk:
- Nama pelanggan, alamat e-mel, dan nombor telefon
- Nilai kontrak, nombor akaun, dan pengecam cukai
- Data gaji pekerja dan nota ulasan prestasi
- Nama pesakit dalam nota klinikal
- Nombor ID kebangsaan dalam fail imigresen
Data itu pergi ke LLM apa adanya. Ia boleh muncul dalam output model.
Ia dilog oleh penyedia LLM. Ia duduk dalam sejarah perbualan anda. Ia mengalir ke dalam tumpukan kebolehperhatian anda.
Tiada serangan diperlukan. Beginilah cara RAG berfungsi mengikut reka bentuk. Reka bentuk itu mewujudkan risiko privasi sebenar.
68 Corak Rahsia dalam Kedai Dokumen Perusahaan
Alat keselamatan menjejaki 68 corak rahsia yang diketahui. Mereka muncul lebih kerap daripada yang disangka oleh pasukan.
Berikut adalah yang paling biasa.
- ID Kunci Akses AWS (
AKIA...) - Kunci API OpenAI (
sk-...) - Kunci API Anthropic (
sk-ant-...) - URI pangkalan data (
postgresql://user:password@host/db) - Token JWT (pengepala berkod base64)
- Token Akses Peribadi GitHub
- Kunci rahsia Stripe (
sk_live_...) - Kunci API SendGrid
- SID akaun Twilio dan token auth
- Blok PEM kunci persendirian
Tiket sokongan mungkin menyimpan kunci API pelanggan dari sesi debug.
Kontrak mungkin menyertakan kelayakan pangkalan data dari serah terima teknikal.
Fail konfigurasi yang diindeks secara tidak sengaja boleh mendedahkan keseluruhan kedai rahsia.
Apabila fail-fail ini memasuki kedai vektor tanpa sanitasi, setiap pertanyaan boleh menghantar rahsia ke LLM.
Mereka mungkin sampai ke pengguna akhir juga.
Perbaikinya: Anonimkan Sebelum Menanam
Pendekatan yang betul menganonim dokumen sebelum pembahagian dan penanaman.
Langkah ini diperlukan untuk mana-mana sistem yang mengendalikan data pelanggan.
Berikut adalah contoh Python menggunakan API anonym.legal:
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]:
"""Anonimkan PII sebelum menanam."""
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):
"""Bina indeks RAG dengan dokumen bersih sahaja."""
anonymized_docs = []
for doc in documents:
clean_text, entities = anonymize_before_embedding(doc)
anonymized_docs.append(clean_text)
print(f"Dibuang {len(entities)} entiti PII daripada dokumen")
vectorstore.add_texts(anonymized_docs)
API anonym.legal meliputi 285+ jenis entiti. Nama, e-mel, nombor telefon, ID kebangsaan, kunci API, dan URI pangkalan data semuanya ditangkap.
Tiada yang sensitif mencapai kedai vektor. Jadi tiada yang sensitif boleh bocor kepada pengguna.
Lihat panduan pembangun untuk corak persediaan LangChain dan LlamaIndex.
Perbaiki CVE-2025-68664 Sekarang Juga
Jika anda menjalankan LangChain di bawah 0.3.22, kemas kini sekarang:
pip install "langchain>=0.3.22" "langchain-core>=0.3.22"
Selepas tampalan, semak konfigurasi rantai anda untuk risiko suntikan. Berikut adalah tiga langkah yang perlu diambil.
Pertama, sahkan serpihan yang diambil semula. Lakukan ini sebelum ia sampai ke LLM.
Kelupas kandungan yang sepadan dengan corak suntikan seperti ignore previous instructions, system:, atau <INST>.
Kedua, anonimkan sebelum menanam. Ini mengecilkan permukaan serangan.
Jika suntikan berlaku, data sensitif tidak ada untuk diekstrak.
Ketiga, hadkan kebenaran rantai. Rantai LangChain tidak sepatutnya membaca pemboleh ubah persekitaran melebihi apa yang diperlukan.
Gunakan akaun perkhidmatan dengan skop minimum.
Kiraan adalah Mudah
Skor CVSS ialah 9.3. Pembetulan ialah satu panggilan API setiap dokumen.
Gabungan CVE-2025-68664 dan risiko data RAG umum adalah tanggungan sebenar.
Penyelesaiannya jelas: anonimkan semasa pengingesan, bukan semasa waktu pertanyaan.
Semak gambaran keselamatan dan pematuhan untuk keperluan RAG perusahaan.
Sumber
- NVD CVE-2025-68664, CVSS 9.3, kelemahan pensirian LangChain
- Nasihat keselamatan LangChain, langchain-ai/langchain GitHub, 2025
- OWASP LLM Top 10: LLM01 Suntikan Arahan, LLM06 Pendedahan Maklumat Sensitif
- Dokumentasi jenis entiti anonym.legal - 285+ jenis entiti yang disokong