Langflow曝高危漏洞:未授权攻击者可远程执行代码

Langflow 全版本曝零凭证高危漏洞,暴露 AI agent 平台供应链的结构性风险。
AI agent 工作流平台 Langflow 被曝出两个 critical 级别漏洞,影响 1.0.0 至 1.12 全部版本,均无需凭证即可利用,其中一个可远程执行任意代码。披露时既无补丁也无预警窗口,生产团队陷入补丁真空期。文章指出,AI agent 平台位于自主系统的执行路径上,持有凭证、调用 API、读写生产数据,一旦平台被攻破,爆炸半径会沿 agent 权限边界向外延伸,传统供应链的版本锁定与 CVE 扫描难以直接套用。短期缓解依赖网络隔离与出站权限收紧,长期则需重新审视 agent 的最小权限设计与平台解耦能力。补丁会来,但结构性风险不会随单个 CVE 关闭而消失。
AI agent 工作流平台 Langflow 被曝出两个高危漏洞,攻击者无需任何凭证即可绕过认证并在服务器上执行任意代码。据 IBM 披露,从 1.0.0 到 1.12 的所有版本均受影响。对于在生产环境运行 agent 工作流的团队来说,这次事件不仅是一次紧急补丁,更暴露了 AI agent 基础设施层供应链风险的独特之处。

漏洞细节:零凭证、全版本覆盖
两个漏洞均被评定为 critical 级别,且利用门槛极低——不需要任何登录凭证。其中一个可完全绕过认证机制,另一个则直接允许在服务器上执行任意代码。受影响范围覆盖了 1.x 产品线的全部版本历史,意味着几乎所有使用 Langflow 的团队都处于暴露状态。
更令运维团队被动的是,漏洞披露时既没有现成的补丁,也没有预警窗口。对于已经把 Langflow 跑在生产环境、承载真实 agent 工作流的团队来说,这几乎是一个无解的时间差:你知道自己可能被攻击,但短时间内无法通过升级来消除风险。
Langflow 并非小众工具。它是当前使用最广泛的 AI agent 工作流构建器之一,大量团队用它来编排多步骤的自动化任务、连接各类 API 与数据源。正因如此,这次漏洞的影响面远比一个普通开源项目的安全问题要大。
认证绕过(Authentication Bypass) 指攻击者无需有效凭证即可访问本应受保护的功能或接口。常见成因包括路由中间件配置遗漏、默认放行内部请求、JWT 校验逻辑缺陷等。在 Langflow 这类低代码平台上,认证绕过往往意味着攻击者可直接进入工作流编辑器或管理 API,进而为后续的代码执行铺路。与需要窃取凭证的攻击相比,零凭证绕过门槛极低,自动化扫描即可批量利用。
远程代码执行(RCE) 是漏洞危害等级中的最高形态之一,攻击者可在目标服务器上运行任意命令,进而窃取数据、植入后门或横向移动。AI agent 平台常内置代码节点、自定义组件或表达式求值能力,这些功能若未做沙箱隔离与输入校验,就容易成为 RCE 入口。对生产环境而言,RCE 意味着攻击者获得的权限可能等同于平台进程本身,包括其挂载的环境变量、密钥与网络访问能力。
为什么 AI agent 平台的漏洞“杀伤力”更大
传统软件供应链风险已有相对成熟的应对范式:锁定依赖版本、扫描 CVE、建立灰度升级流程。但 AI agent 平台处在一个不同的位置——它直接位于自主系统的执行路径上。
Agent 本身持有凭证、调用 API、读写生产数据,并代表用户执行操作。当底层平台在基础设施层面被攻破时,攻击者获得的不是一份静态数据,而是 agent 本身所拥有的全部访问权限。换句话说,爆炸半径会沿着 agent 的权限边界向外延伸,agent 能碰到的系统,攻击者理论上也能碰到。
这种风险结构与传统供应链攻击的交汇点在于:传统风险影响的是“代码怎么跑”,而 agent 平台的风险影响的是“谁在替你做决定、用什么权限做”。后者是自主的、高速的,人工介入的窗口更窄。
爆炸半径(Blast Radius) 原本是安全领域描述一次入侵可能波及范围的术语,在此语境下指攻击者通过被攻破的 agent 平台所能触达的全部资源。由于 agent 通常被授予调用外部 API、访问数据库、读写文件系统的权限,平台一旦失守,攻击者的可达范围会沿着这些授权链路向外扩散,远超单台主机的边界。评估爆炸半径时,需要盘点 agent 持有的所有凭证、可调用的下游服务以及可写入的数据存储,这些共同构成了实际的风险面。
生产团队的应对困境:补丁真空期怎么过
原始讨论抛出的核心问题很实际:从底层基础设施的零日漏洞被公开,到团队真正完成补丁或替换,这中间的窗口期你打算怎么处理?
对于 Langflow 这类平台,短期内的缓解手段通常包括网络层隔离、收紧 agent 的出站权限、对平台管理接口做额外访问控制。但这些都是在漏洞未知前提下的通用防御,无法针对性封堵具体的绕过路径。长期看,团队需要重新审视 agent 平台的权限模型:agent 是否真的需要那么大的访问范围?凭证能否做到按任务最小化授权?
另一个值得关注的维度是替换成本。当平台本身成为风险源时,能否快速切换或降级到更可控的方案,取决于工作流是否与特定平台深度绑定。把 agent 编排逻辑与平台解耦,可能是这次事件给团队留下的更持久的教训。
零日漏洞(Zero-day) 指尚未有官方补丁或公开修复方案的漏洞。在披露到修复之间的窗口期,防御方只能依赖缓解措施而非根治手段。对 Langflow 这类平台,可行的缓解包括:在网络层限制平台管理端口的访问来源,仅允许可信 IP 或跳板机接入;对 agent 的出站流量做白名单控制,阻断向不明地址发起的连接;将平台部署在独立网段并收紧其所在主机的权限。这些措施无法封堵具体漏洞路径,但能压缩攻击者的操作空间,为等待补丁争取时间。
结构性风险不会随一次补丁消失
补丁会来,漏洞会被修。但 AI agent 基础设施的供应链暴露是一个结构性问题,不会因为某个 CVE 被关闭而消失。随着越来越多团队把 agent 放进生产执行路径,平台层的安全性将和 agent 自身的权限设计一样,成为架构评审中必须回答的问题。
这次 Langflow 事件的意义在于,它把“AI agent 平台的供应链风险”从一个抽象讨论变成了一个具体的、有版本号、有影响范围的现实问题。对于正在或计划在生产环境运行 agent 工作流的团队,现在是时候检查自己的暴露面了。
相关推荐

神经网络本质是线性回归?华为300集AI课讲师用TensorFlow Playground讲透深度学习
华为300集AI深度学习教程中,讲师用TensorFlow Playground演示神经网络本质是线性回归,讲透机器学习与深度学习在特征工程上的核心差异,以及2012年大数据时代为何成为深度学习崛起的分水岭。

WorkBuddy做AI漫剧全流程:8步从零到成片
基于B站教程梳理WorkBuddy制作AI漫剧的完整八步流程:从选题策划、剧本分镜到图片资产、视频生成、配音剪辑与导出发布,并解析WorkBuddy的专家技能机制与逐个召唤专家的实操技巧,适合零基础入门。

Codex实战教程:从安装到多智能体协同
基于B站Codex实战教程,系统梳理Codex从安装配置、CLI交互、斜杠指令、AGENTS.md架构到MCP协议、多智能体协同与企业级插件开发的完整路径,帮助开发者理解AI Agent的工程化用法。