Langflow y Ruby on Rails — Explotación masiva de fallas críticas de RCE y lectura de archivos en infraestructuras de IA y desarrollo web (CVE-2026-0768 / CVE-2026-66066)

Fecha de publicación: 1 de septiembre de 2026
Categoría: Vulnerabilidad / Inteligencia Artificial / Ciberseguridad Defensiva

Introducción

Actores maliciosos han centrado sus esfuerzos en explotar de manera activa un conjunto de vulnerabilidades críticas que afectan a plataformas de desarrollo de Inteligencia Artificial como Langflow y frameworks web empresariales como Ruby on Rails. Según reportes recientes de la firma de inteligencia de amenazas VulnCheck, se ha registrado un incremento exponencial en las detecciones de sondeos de credenciales, exfiltración de secretos corporativos y despliegue de infraestructura de comando y control (C2). Esta campaña pone de manifiesto el creciente atractivo de los entornos de IA como vectores de acceso inicial hacia nubes corporativas y sistemas altamente sensibles.

¿Qué es Langflow y Ruby on Rails? (Análisis General)

Langflow es una interfaz visual basada en Python diseñada para construir aplicaciones de Inteligencia Artificial, flujos de agentes y cadenas de procesamiento de lenguaje natural (LLM). Por otro lado, Ruby on Rails es un popular framework de desarrollo web en Ruby que utiliza Active Storage para la gestión de subidas de archivos.

El compromiso de estas plataformas representa un riesgo crítico debido a que operan con privilegios elevados o almacenan credenciales maestras y variables de entorno de servicios conectados (como OpenAI, AWS, bases de datos y tokens de API). A continuación se resumen los vectores y clasificaciones oficiales de las principales vulnerabilidades involucradas:

  • CVE-2026-0768: Inyección de código en Langflow. Permite la ejecución de código Python arbitrario sin autenticación. (CVSS: 9.8 Critical | CWE-94 | Dato confirmado NVD).
  • CVE-2026-66066 (KindaRails2Shell): Lectura arbitraria de archivos en Action Pack / Active Storage de Ruby on Rails. Permite a atacantes no autenticados leer archivos del sistema, variables de entorno y secretos. (CVSS: 9.5 Critical | CWE-1188 | Dato confirmado NVD).
  • CVE-2026-0769: Inyección Eval en componentes personalizados de Langflow. (CVSS: 9.8 Critical | CWE-95 | Dato confirmado NVD).
  • CVE-2025-3248: Inyección de código en el endpoint /api/v1/validate/code de Langflow (Incluido en CISA KEV). (CVSS: 9.8 Critical | CWE-306, CWE-94 | Dato confirmado NVD).
  • CVE-2026-5027: Omisión de restricciones por recorrido de rutas (Path Traversal) en el endpoint de archivos de Langflow. (CVSS: 8.8 High | CWE-22 | Dato confirmado NVD).

¿Cómo funciona? (Análisis Técnico)

La campaña activa observada por los analistas de seguridad combina múltiples técnicas de explotación y post-explotación para maximizar el impacto en los sistemas expuestos:

  • Flujo inicial de infección y entrada del exploit:
    • En Langflow: Los atacantes envían peticiones HTTP maliciosas sin autenticación a endpoints vulnerables como /api/v1/validate/code (explotando CVE-2026-0768 y CVE-2025-3248) o manipulan funciones de evaluación de código (CVE-2026-0769). La falta de saneamiento adecuado de cadenas suministradas por el usuario permite la ejecución directa de funciones exec/eval en Python, heredando privilegios del proceso o del usuario root. Adicionalmente, mediante CVE-2026-5027 se abusa del parámetro filename en peticiones multipart para escribir archivos arbitrarios en el sistema de archivos utilizando secuencias de salto de directorio (../).
    • En Ruby on Rails (CVE-2026-66066): El fallo radica en una discrepancia entre Active Storage y el procesador de imágenes libvips. Active Storage no deshabilita de forma predeterminada las operaciones de libvips marcadas como inseguras para contenido no confiable. Al subir una imagen manipulada específicamente, un atacante no autenticado puede forzar al proceso a leer archivos arbitrarios del sistema operativo.
  • Mecanismos de persistencia, escalada de privilegios y recolección de secretos:
    • Los adversarios realizan sondeos automatizados consultando activamente variables de entorno críticas (LANGFLOW_SUPERUSER, OPENAI_API*, AWS_ACCESS*, AWS_SECRET*), leyendo archivos de caché de secretos (/root/.cache/langflow/secret_key), analizando historiales de comandos (.bash_history) y verificando accesos SSH.
    • En casos observados sobre sistemas canarios (canary systems), los atacantes deshabilitaron herramientas de auditoría del kernel como auditd para generar un punto ciego forense, descargaron cosechadores de credenciales en Python, agentes de proxy y herramientas de acceso remoto (SimpleHelp), o integraron la máquina comprometida en una botnet de minería de criptomonedas (XMR).
    • Cabe destacar que, según investigaciones complementarias, los parches aplicados inicialmente en versiones específicas de Ruby on Rails bloquean la lectura de archivos de libvips, pero en algunos escenarios la deserialización de claves de variación (Marshal deserialization) puede seguir permitiendo la ejecución de código si el payload posee una firma válida.

Sistemas / Entornos Afectados

Los entornos impactados comprenden servidores expuestos en Internet que ejecutan versiones no parcheadas de las plataformas mencionadas, con alta concentración de nodos vulnerables en Estados Unidos, Alemania, Malasia, Brasil, India, Reino Unido, Israel y Francia.

CVE Categoría (CWE) Impacto CVSS Vector (resumido)
CVE-2026-0768 CWE-94 (Code Injection) RCE como root 9.8 CVSS:3.0/AV:N/AC:L/PR:N/UI:N/S:U/C:H/I:H/A:H
CVE-2026-66066 CWE-1188 (Insecure Default) Lectura de archivos / RCE 9.5 CVSS:4.0/AV:N/AC:L/AT:P/PR:N/UI:N/VC:H/VI:H/VA:H/…
CVE-2026-0769 CWE-95 (Eval Injection) RCE 9.8 CVSS:3.0/AV:N/AC:L/PR:N/UI:N/S:U/C:H/I:H/A:H
CVE-2025-3248 CWE-306 / CWE-94 RCE sin autenticación 9.8 CVSS:3.1/AV:N/AC:L/PR:N/UI:N/S:U/C:H/I:H/A:H
CVE-2026-5027 CWE-22 (Path Traversal) Escritura arbitraria de archivos 8.8 CVSS:3.1/AV:N/AC:L/PR:L/UI:N/S:U/C:H/I:H/A:H

Mitigación y Detección

Remediación

  • Actualización prioritaria: Aplique de inmediato los parches oficiales proporcionados por los desarrolladores. Para Ruby on Rails, actualice a las versiones seguras 7.2.3.2, 8.0.5.1 o 8.1.3.1 (o superiores), las cuales corrigen el manejo inseguro de libvips en Active Storage. Para Langflow, actualice a la versión 1.3.0 o superior.
  • Restricción de exposición en red: Asegúrese de que las interfaces de desarrollo de IA y paneles de administración de Langflow no se encuentren expuestos directamente a Internet sin mecanismos robustos de autenticación multifactor (MFA) y segmentación de red mediante VPNs corporativas.
  • Auditoría de dependencias: Revise las configuraciones de procesamiento de imágenes en aplicaciones web para deshabilitar motores o cargadores inseguros si no son estrictamente necesarios.

Detección

Los equipos de seguridad deben monitorear los registros de acceso en busca de solicitudes HTTP anómalas dirigidas a los endpoints de validación de código y subida de archivos, así como accesos inusuales a variables de entorno de la aplicación.

“Los adversarios están conduciendo operaciones automatizadas enfocadas en el reconocimiento rápido y la cosecha de secretos en la pila de IA, deshabilitando herramientas de registro para ocultar su rastro e integrando hosts vulnerables en redes de criptominería.”

yaml 
# Ejemplo conceptual de regla de detección para patrones de petición sospechosos
title: Detección de intentos de explotación contra endpoints de Langflow y Rails
id: 9b8f2c3d-7e1a-4f5b-9c2d-1a2b3c4d5e6f
status: experimental
description: Detecta peticiones HTTP sospechosas dirigidas a endpoints vulnerables de validación de código o carga de archivos.
logsource:
  category: webserver
  product: nginx
detection:
  selection:
    uri|contains:
      - "/api/v1/validate/code"
      - "/api/v2/files"
    method: "POST"
  condition: selection
falsepositives:
  - Entornos de pruebas legítimos o herramientas de integración continua autorizadas.
level: high

Recapitulando

La reciente campaña de explotación contra Langflow y Ruby on Rails demuestra cómo los atacantes adaptan rápidamente sus tácticas para comprometer plataformas emergentes basadas en Inteligencia Artificial y frameworks web consolidados. Con puntuaciones CVSS críticas de hasta 9.8 y evidencia de exfiltración de credenciales, despliegue de malware y minería de criptomonedas, es imperativo que las organizaciones implementen parches de forma inmediata, refuercen la visibilidad de sus registros de auditoría y limiten la exposición pública de servicios críticos de desarrollo.

Referencias