llamaCVEVulnerability Intelligence
/
Advisory · GitHub · PyPI · langroid

GHSA-2XFQ-2J89-QC8J

SQLChatAgent: el extractor de descripciones de PostgreSQL interpola nombres de tablas en SQL mediante f-string

Parche disponible
Descargar PNG JSON
CVSS 3.1
8.8
Alta
CVSS:3.1/AV:N/AC:L/PR:L/UI:N/S:U/C:H/I:H/A:H Fuente: GitHub
ExplotaciónSin evidenciaNo figura en CISA KEV
Exploits públicos0Ninguno conocido
Parche1 versiónPrimer parche el mismo día de la divulgación
Exposición44 dDesde la divulgación, 7 oct 2026, 11:41 a. m.
Detección42 dDesde la divulgación hasta su ingreso al índice
Decisión estimadaSeguir de cerca
Monitorear y programar la remediación
Estimación de Llama con el árbol SSVC de CISA a partir de vector CVSS 3.1 y la evidencia de explotación (sin evaluación oficial): sin explotación conocida, no automatizable e impacto técnico total. Hay versiones corregidas disponibles.
Puede que hoy no pase nada. Puede.Revisa tus logs de la semana con la lupa.
Timeline

Ciclo de vida de la vulnerabilidad

Hoy
Divulgación
Publicada +1
Explotación
Remediación
Parche 0.68.8
Monitoreo
Detectada +1
7 oct 26
19 nov 26
21 nov 26
7 oct 26
18 oct 26
30 oct 26
10 nov 26
21 nov 26
FechaFaseEventoDetalle
Divulgación Publicada GHSA-2XFQ-2J89-QC8J divulgada · CVSS 8.8 (GitHub)
Divulgación Modificada Última actualización del registro
Remediación Parche 0.68.8 langroid · 0 d desde divulgación
Monitoreo Detectada Ingresó al índice
Monitoreo Verificada Última verificación contra las fuentes
Resumen
Traducción automática · Ver original
Descripción del advisory
Traducción automática · GitHub

Resumen

La función `extract_postgresql_descriptions()` en `langroid/agent/special/sql/utils/description_extractors.py` construye sentencias SQL interpolando nombres de tablas de PostgreSQL sin procesar en f-strings, en las líneas 45 y 56. Los nombres de tabla se leen del catálogo de la base de datos mediante `inspector.get_table_names()` sin sanitización ni parametrización. Un atacante que pueda crear una tabla con un nombre que contenga una comilla simple en la base de datos PostgreSQL de destino provoca la ejecución de SQL arbitrario cuando `SQLChatAgent.__init__` llama a esta función durante la inicialización automática de metadatos.

Causa raíz

Se viola el invariante de seguridad según el cual todos los valores SQL deben estar parametrizados o escapados correctamente. El extractor de descripciones de PostgreSQL construye SQL con f-strings de Python, colocando la variable `table_name` sin procesar dentro de un literal de cadena SQL, mientras que el extractor de MySQL del mismo archivo usa correctamente consultas parametrizadas con variables de enlace.

# Ruta vulnerable de PostgreSQL (description_extractors.py:45)
text(f"SELECT obj_description('{table_name}'::regclass)")

# Ruta correcta de MySQL (description_extractors.py:106-111)
query = text(
    "SELECT table_comment FROM information_schema.tables WHERE"
    " table_schema = :schema AND table_name = :table"
)
conn.execute(query, {"schema": engine.url.database, "table": table_name})

El validador de seguridad `_validate_query` en `langroid/agent/special/sql/sql_chat_agent.py:706` protege únicamente el manejador de la herramienta `run_query`. La extracción de descripciones se ejecuta durante `__init__`, antes de cualquier interacción con el LLM, y construye su propio SQL de forma independiente; ni la validación, ni el escape, ni la parametrización cubren esta ruta.

Impacto

El atacante necesita el privilegio `CREATE TABLE` en la base de datos PostgreSQL a la que se conecta SQLChatAgent. Es un privilegio bajo y habitual: en las versiones anteriores a la 15, PostgreSQL concede `CREATE` en el esquema `public` al rol `PUBLIC` por defecto, y suele estar disponible en bases de datos compartidas o multiinquilino.

Cuando `SQLChatAgent` se inicializa contra la base de datos envenenada, el SQL inyectado se ejecuta automáticamente sin interacción del usuario. Las capacidades demostradas incluyen:

  • Exfiltración de datos: la inyección basada en UNION recupera datos arbitrarios accesibles para el rol de base de datos del agente (por ejemplo, `SELECT current_user`, `SELECT usename FROM pg_user`).
  • Modificación y destrucción de datos: con psycopg2 (el controlador predeterminado de PostgreSQL), la ejecución de múltiples sentencias mediante `PQexec` permite `DROP TABLE`, `DELETE`, `UPDATE` y otras operaciones DDL/DML en una sola inyección.
  • Limitado a la inyección de una sola sentencia con psycopg (v3): el controlador más reciente psycopg usa `PQexecParams`, que no admite la ejecución de múltiples sentencias. Con psycopg3, solo es posible la exfiltración basada en UNION.

Existe un segundo punto de inyección en la línea 56, para `col_description`, con el mismo perfil de impacto.

Prueba de concepto

Dependencias: sqlalchemy, psycopg2-binary (o psycopg[binary])
Base de datos: PostgreSQL 12+ (concepto probado frente al comportamiento estándar del catálogo)
Configuración: establecer DATABASE_URL con una cadena de conexión de PostgreSQL

El siguiente script demuestra la inyección a nivel de código fuente. Cuando `DATABASE_URL` está establecida, crea una tabla con un nombre malicioso y provoca que `extract_postgresql_descriptions()` ejecute el SQL inyectado.

from sqlalchemy import create_engine, text

# 1. Demostración a nivel de código fuente de la inyección por f-string
table_name_safe = "test_table"
table_name_evil = "pg_class'::regclass) UNION SELECT usename FROM pg_user--"

query_safe = f"SELECT obj_description('{table_name_safe}'::regclass)"
query_evil = f"SELECT obj_description('{table_name_evil}'::regclass)"

print("Safe query:", query_safe)
# SELECT obj_description('test_table'::regclass)

print("Injected query:", query_evil)
# SELECT obj_description('pg_class'::regclass) UNION SELECT usename FROM pg_user--'::regclass)

Cuando se ejecuta contra una base de datos activa, el atacante crea la tabla envenenada:

CREATE TABLE "pg_class'::regclass) UNION SELECT usename FROM pg_user--" (id int);

Después, cualquier aplicación que inicialice `SQLChatAgent` contra esta base de datos activa la inyección automáticamente durante `__init__` en `sql_chat_agent.py:400`.

Salida esperada (exfiltración basada en UNION):
  obj_description | usename
  ----------------+---------
                  | postgres
                  | app_user

Cadena de ataque

  1. Exposición: el atacante tiene el privilegio `CREATE TABLE` en una base de datos PostgreSQL. La aplicación víctima inicializa `SQLChatAgent` con un `database_uri` que apunta a esa base de datos.
  2. Control: el atacante crea una tabla cuyo identificador entre comillas dobles contiene una comilla simple seguida de la carga SQL. PostgreSQL permite cualquier carácter en los identificadores entre comillas dobles, según el estándar SQL.
  3. Ruta: `SQLChatAgent.__init__` (`sql_chat_agent.py:400`) llama a `_init_table_metadata()` (`sql_chat_agent.py:469`), que llama a `extract_schema_descriptions()` (`description_extractors.py:188`). El despacho por dialecto selecciona `extract_postgresql_descriptions` cuando el dialecto del motor es `postgresql`. Dentro de esa función, `inspector.get_table_names()` (`description_extractors.py:35`) devuelve el nombre sin procesar del catálogo como cadena de Python.
  4. Control de seguridad: no existe validación, escape ni parametrización en esta ruta. El validador `_validate_query` protege únicamente el manejador de la herramienta `run_query` en `sql_chat_agent.py:832` y nunca se invoca durante la inicialización.
  5. Primitiva: el nombre de tabla sin procesar se interpola en `text(f"SELECT obj_description('{table_name}'::regclass)")` en `description_extractors.py:45` y se ejecuta mediante `conn.execute()` en `description_extractors.py:44`. La comilla simple rompe el literal de cadena SQL y permite la ejecución de SQL arbitrario.
  6. Resultado: el atacante logra ejecución de SQL arbitrario dentro de la conexión a la base de datos del agente. Esto incluye la exfiltración de datos mediante inyección UNION y, con psycopg2, la modificación o destrucción de datos mediante ejecución de múltiples sentencias.

Evidencia de omisión de controles

No existe ningún control de seguridad en la ruta de extracción de descripciones. El método `_validate_query` en `sql_chat_agent.py:706` se aplica únicamente al manejador de la herramienta `run_query` y no se invoca durante `__init__`. Una búsqueda en `description_extractors.py` de cualquier forma de validación, sanitización, escape o parametrización en la ruta de PostgreSQL no devuelve coincidencias. El extractor de MySQL del mismo archivo usa consultas parametrizadas con las variables de enlace `:table` y `:schema` (`description_extractors.py:106-111`), lo que confirma que el f-string de PostgreSQL es un descuido y no una decisión de diseño deliberada.

Versiones afectadas

  • Ecosistema: `pip`
  • Paquete: `langroid`
  • Rango afectado confirmado: `>= 0.1.48, <= 0.68.2`
  • Última versión revisada: `0.68.2` (PyPI https://pypi.org/project/langroid/0.68.2/)
  • Estado de la corrección: no corregida

La función vulnerable `extract_postgresql_descriptions` se introdujo en el commit `f5171978` ("Added automatic context description extraction for PostgreSQL & MySQL databases", PR #207), publicado por primera vez en la versión `0.1.48`. Ningún commit posterior modifica el patrón de interpolación por f-string en las líneas 45 y 56 de `description_extractors.py`. El patrón está confirmado en la última versión publicada en PyPI (`0.68.2`).

Solución sugerida

Sustituir la construcción de SQL con f-strings en `extract_postgresql_descriptions()` por consultas parametrizadas con parámetros de enlace de SQLAlchemy, siguiendo el patrón que ya usa el extractor de MySQL. Deben actualizarse tanto la consulta de `obj_description` de la línea 45 como la de `col_description` de la línea 56. Como `obj_description` y `col_description` aceptan un argumento `regclass`, la forma parametrizada debe convertir el parámetro de enlace: `text("SELECT obj_description(:tbl::regclass)").bindparams(tbl=table_name)`.

Como mitigación provisional, los desarrolladores de aplicaciones pueden proporcionar un diccionario `context_descriptions` ya completado en `SQLChatAgentConfig` para omitir la extracción automática. Esta solución alternativa exige que el desarrollador conozca de antemano todas las descripciones de tablas y columnas.

---

Reportado por zx.

Vector CVSS 3.1

Desglose de métricas

Opción resaltada = valor del vector · izquierda = peor caso · GitHub
Vector de ataqueAV:N
RedAdyacenteLocalFísica
ComplejidadAC:L
BajaAlta
PrivilegiosPR:L
NingunoBajosAltos
InteracciónUI:N
NingunaRequerida
AlcanceS:U
CambiadoSin cambio
ConfidencialidadC:H
AltoBajoNinguno
IntegridadI:H
AltoBajoNinguno
DisponibilidadA:H
AltoBajoNinguno
Score de explotaciónQué tan fácil y probable es que la exploten
8.3/ 10Alto
Vector 8.3 (muy fácil) · sin evidencia de explotación.
Versiones

Rangos afectados

Afectada Corregida Última
langroid≥ 0.1.48 < 0.68.8
0.1.48
0.68.8
0.69.22
Remediación

Estado del parche por paquete

Paquete / productoEstadoCorregida enDesde divulgaciónÚltima versión
pypilangroid
Corregida 0.68.8 0 d 0.69.22 no afectada
Versiones corregidas0.68.8
Explotación

Arsenal público

Sin exploits, módulos ni PoC públicos conocidos a la fecha de verificación.

Referencias
Advisoryhttps://github.com/langroid/langroid/security/advisories/GHSA-2xfq-2j89-qc8j

Las referencias externas se muestran para copiar: cve.llama.ec no lo redirige a otros sitios.