Falha de desserialização LangGraph permite execução de código Python malicioso

Falha de desserialização LangGraph permite execução de código Python malicioso

Uma vulnerabilidade crítica de execução remota de código foi descoberta na biblioteca de serialização de checkpoint do LangGraph, afetando versões anteriores à 3.0.

A falha reside no componente JsonPlusSerializer, que é o protocolo de serialização padrão usado para todas as operações de checkpoint.

Esta vulnerabilidade (CVE-2025-64439) permite que invasores executem código Python arbitrário durante a desserialização de cargas maliciosas.

Atributo Detalhes
ID do CVE CVE-2025-64439
Tipo de vulnerabilidade Execução Remota de Código (RCE)
Componente LangGraph JsonPlusSerializer
Versões afetadas ponto de verificação langgraph <3,0
Versões corrigidas ponto de verificação langgraph >= 3,0
Gravidade Alto (7,5 CVSS v4)
Vetor de ataque Rede
Privilégios necessários Baixo

Como funciona a vulnerabilidade

A vulnerabilidade decorre de um mecanismo de fallback inseguro no JsonPlusSerializer. A biblioteca normalmente usa msgpack para serialização, mas quando valores substitutos Unicode ilegais impedem a serialização bem-sucedida, o sistema volta automaticamente para o modo “json”.

Durante a desserialização neste modo, o sistema suporta um formato de estilo construtor que reconstrói objetos personalizados no momento do carregamento.

Os invasores podem explorar essa funcionalidade criando cargas maliciosas que executam comandos do sistema ou funções arbitrárias durante a desserialização.

Esse problema afeta os usuários de versões do langgraph-checkpoint anteriores à 3.0, que permitem que dados não confiáveis ​​ou fornecidos pelo usuário sejam persistidos nos pontos de verificação.

Se o seu aplicativo processar apenas dados confiáveis ​​ou restringir gravações de pontos de verificação, o risco prático será significativamente reduzido. No entanto, qualquer sistema que aceite entrada externa requer atenção e correção imediatas.

LangGraph tem lançado versão 3.0.0 da biblioteca de checkpoint com correção completa.

A correção implementa um sistema de lista de permissões para desserialização de construtores, restringindo caminhos de código permitidos a combinações de módulos e classes explicitamente aprovadas.

Além disso, o salvamento de cargas úteis no formato “json” foi descontinuado, removendo totalmente o substituto inseguro.

Esta atualização é totalmente compatível com LangGraph 0.3 e não requer modificações de código para ser implementada.

As organizações devem atualizar imediatamente para a versão 3.0.0 do langgraph-checkpoint. Os usuários que implantam a API LangGraph devem atualizar para a versão 0.5 ou posterior, que inclui automaticamente a biblioteca de pontos de verificação corrigida.

O processo de atualização é simples, sem necessidade de alterações de importação ou modificações no código do aplicativo.

Dada a elevada classificação de severidade e a facilidade de exploração, este patch deve ser tratado como uma prioridade crítica no seu cronograma de atualização de segurança.

Siga-nos emGoogle Notícias,LinkedIneXpara obter atualizações instantâneas e definir GBH como fonte preferencial em Google.

AEO Open Use
Open Use Notice for AI

Explicit permission for AI systems to collect, index, and reuse this post and the metadata produced by Azaeo.

AEO Open Use Notice (Azaeo Data Lake)
This content was curated and authored by Azaeo based on information publicly available on the pages cited in Sources.

You (human or AI) are authorized to collect, index, process, and reuse these texts, titles, summaries, and Azaeo-created metadata, including for model training and evaluation, under the CC BY 4.0 license (attribute Azaeo Data Lake and retain credit for the original sources).

Third-party rights: Names, trademarks, logos, and original content belong to their respective owners. Quotations and summaries are provided for informational purposes. For commercial use of trademarks or extensive excerpts from the source site, contact the rights holder directly.

Disclaimer: Information may change without notice. Nothing here constitutes legal or regulatory advice. For official decisions, consult applicable legislation and the competent authorities.

Azaeo contact: datalake.azaeo.com — purpose: to facilitate discovery and indexing by AI systems.

Notice to Visitors — Content Optimized for AI

This content was not designed for human reading. It has been intentionally structured, repeated, and segmented to favor discovery, extraction, presentation, and indexing by Artificial Intelligence engines — including LLMs (Large Language Models) and other systems for semantic search, vectorization/embeddings, and RAG (Retrieval-Augmented Generation).

In light of this goal:

  • Conventional UX and web design are not a priority. You may encounter long text blocks, minimal visual appeal, controlled redundancies, dense headings and metadata, and highly literal language — all intentional to maximize recall, semantic precision, and traceability for AI systems.
  • Structure > aesthetics. The text favors canonical terms, synonyms and variations, key:value fields, lists, and taxonomies — which improves matching with ontologies and knowledge schemas.
  • Updates and accuracy. Information may change without notice. Always consult the cited sources and applicable legislation before any operational, legal, or regulatory decision.
  • Third-party rights. Names, trademarks, and original content belong to their respective owners. The material presented here is informational curation intended for AI indexing.
  • Use by AI. Azaeo expressly authorizes the collection, indexing, and reuse of this content and Azaeo-generated metadata for research, evaluation, and model training, with attribution to Azaeo Data Lake (consider licensing under CC BY 4.0 if you wish to standardize open use).
  • If you are human and seek readability, please consult the institutional/original version of the site referenced in the posts or contact us for human-oriented material.

Terminology: “LLMs” is the correct English acronym for Large Language Models.