Skip to content
KitploitKITPLOIT
ИнструментыБлог
Отправить
ИнструментыБлог
Отправить

Инструменты для хакинга, пентеста и кибербезопасности — ваш арсенал защиты!

Kitploit — это каталог инструментов для хакинга, кибербезопасности и пентестинга. Находите последние обновления проектов для поиска уязвимостей, анализа систем, автоматизации тестирования и усиления вашей безопасности.

··Ленты·Контакты·Конфиденциальность·© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
langgrinch-cve-2025-68664-analysis — Технический анализ уязвимости инъекции сериализации LangChain CVE-2025-68664. | Kitploit
Инструменты/GitHubGitHub/johnnyzhou666/langgrinch-cve-2025-68664-analysis
Анализ уязвимостейАнализ КодаВеб-безопасностьСтатьи и ИсследованияОбучение и ОбразованиеБезопасность ИИ
GitHubjohnnyzhou666/langgrinch-cve-2025-68664-analysis

langgrinch-cve-2025-68664-analysis

Технический анализ уязвимости инъекции сериализации LangChain CVE-2025-68664.

Репозиторий
34 месяцев назадЕщё не проверено

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →
Поделиться

Анализ уязвимости LangGrinch: CVE-2025-68664

Обзор

Этот репозиторий содержит технический отчет, анализирующий CVE-2025-68664, также известную как LangGrinch, уязвимость внедрения сериализации, затрагивающую LangChain Core.

Отчет объясняет предысторию уязвимости, корневую причину, процесс эксплуатации, модель угроз, стратегии смягчения и реальное влияние на безопасность приложений на основе LLM.

Рассматриваемые темы

  • Сериализация и десериализация LangChain
  • Небезопасная десериализация / CWE-502
  • Безопасность приложений LLM
  • Инъекция промптов как путь доставки
  • Риск раскрытия секретов
  • Моделирование угроз STRIDE
  • Смягчение и методы безопасного кодирования

Отчет

Полный отчет доступен здесь:

  • Отчет о LangGrinch CVE-2025-68664

Ключевые выводы

  • Недоверенные пользовательские вводы, вывод LLM, ответы инструментов и метаданные не должны рассматриваться как доверенные сериализованные объекты.
  • Приложения должны обновлять уязвимые версии LangChain Core.
  • Чувствительные функции, такие как разрешение секретов на основе окружения, должны быть ограничены.
  • Разработчики должны проверять и очищать структурированные данные перед десериализацией.
  • Мониторинг во время выполнения и ротация секретов являются важными защитными мерами после возможного раскрытия.
  • Отказ от ответственности

    Этот проект предназначен только для образовательных и защитных исследований в области безопасности. Он не предоставляет инструкции для несанкционированного доступа или реальной эксплуатации.

    Скачать инструмент