【最重大】CVE-2026-60090 PraisonAIにおけるSQLインジェクション脆弱性がPGVector/Cassandra連携で発覚 AI Security対策ガイド

結論

• 危険度: Critical (CVSS 9.8)
• 対象: (詳細はベンダーアドバイザリ参照)
• 修正: ベンダーアドバイザリ参照
• KEV: No (NVD Critical由来。CISA KEVには未登録)

最終更新: 2026-07-11 ｜ 本記事は公式情報をもとに作成しています。最新情報はベンダー公式アドバイザリを必ずご確認ください。

STEP 1: 何が起きているか

一言でいうと

CVE-2026-60090はPraisonAIのPGVectorおよびCassandraバックエンドで、コレクション作成時に攻撃者が意図した数値パラメータを不正に操作でき、結果としてSQLインジェクションを実行可能です。これにより、AI GatewayやLLM Proxyを運用するチームにとって重大なリスクとなります。

やさしく説明すると

この脆弱性は、データベースにコレクションを作る際の「次元数」という数字を攻撃者が勝手に変えられる問題です。まるで玄関の鍵がかかっているようで、実は特定の場所の鍵がかかっていない状態です。そこを突かれて、攻撃者が「テーブルを全部消せ」と命令を隠し込んだような攻撃ができます。AIシステムの根幹データが壊されたり、重要情報が漏れたりします。

技術的な原因

この脆弱性はCWE-89「SQLインジェクション（SQL Injection）」に分類されます。PraisonAIのPGVectorとCassandra知識ストアのcreate_collection()関数で、呼び出し側が制御する「次元数（dimension）」引数の検証が不十分です。仕様上は整数（int）指定ですが、実行時に型チェックを強制せず、SQLのCREATE TABLEコマンド生成時に直接埋め込んでいます。攻撃者は悪意ある文字列を送り込み、SQL文の終端や別命令を挿入できる状態です。

影響を受けると何が困るか

• データベースのテーブル消失などによるAI GatewayやLLM Proxyのサービス停止
• AIエージェントへのプロンプトインジェクション攻撃の足掛かり獲得
• モデルやRAG（Retrieval-Augmented Generation）用データの破壊や改ざん
• 顧客の機密情報やAPIキー（OpenAI、Anthropicなど）が漏洩する恐れ
• テナント間データ隔離の失敗による情報漏洩
• Cursor、Cline、CopilotなどのAIコーディングツール経由で悪用される危険
• インフラ全体への横展開攻撃による広範なサービス障害

もっと詳しく調べたい人へ — 公式情報源マップ

本記事は以下の公式・準公式の情報源から内容を集約しています。一次情報を確認したい場合や英語で詳細を読みたい場合は、各リンクから直接アクセスできます。

掲載しているのは無料でアクセスできる情報源のみです。CVEによっては掲載がないサイトもあります（特にJVN iPediaは日本国内で報告された脆弱性のみ掲載）。

STEP 2: 急ぎ対応すべきか判断する

結論: 【最重大】

判断根拠

• CVSS v3.1スコアは9.8のCriticalで非常に危険。リモートから認証なしで低難度で攻撃可能。
• EPSS（悪用予測スコア）は未提供だが、CVSSの高さから早期対応が必要。
• ランサムウェア悪用は現時点で不明（Unknown）。
• 公開PoCはGitHub上に存在しないため今のところ悪用コード公開はない。
• 攻撃にユーザ操作は不要。ネットワーク経由で権限なしにSQLインジェクションが可能である点が非常に深刻。
• ベンダー公式パッチは存在（バージョン4.6.78以降）が明示されているが、詳細はベンダーアドバイザリの確認が必要。

誰が動くべきか

• LLM Gateway運用チーム (PraisonAI利用者全般)
• Agentフレームワーク開発者
• MLインフラチーム（AIモデル管理に関わる全般）
• RAGパイプライン保守者
• バイブコーダー開発者（Cursor、Cline、GitHub Copilot等のAI駆動開発者）
• AI Security担当、SecOps / SREチーム全般

STEP 3: 自分の環境が対象か確認する

影響を受けるバージョン

バージョン確認コマンド

Python (pip)

pip show praisonai

出力例:

Name: praisonai
Version: 4.6.50
Summary: PraisonAI knowledge store client

判定:
バージョンが <4.6.78 なら脆弱。4.6.78 以上なら安全。

Python (poetry)

poetry show praisonai

出力例:

name         : praisonai
version      : 4.6.50
description  : PraisonAI knowledge store client

判定: バージョンが <4.6.78 なら脆弱。

設定確認

この脆弱性はバージョンに依存しており、特定の設定で回避できる情報はありません。設定変更での暫定対応はありません。バージョン確認で対象内なら脆弱です。

Nucleiテンプレートでの検出

公開されたNucleiテンプレートはありません。検出はバージョン確認で行ってください。

STEP 4: 修正を適用する

パッチ適用

Python (pip)

pip install --upgrade praisonai

判定: バージョンが 4.6.78 以上になれば修正済み

注意: 本番環境でのパッチ適用前に必ずバックアップを取得してください。できればステージング環境で動作検証も行い、ダウンタイム計画を立てて対応を実施してください。

パッチ即時適用ができない場合の暫定対応

公式の暫定対応は現時点で提示されていません。可能な限りネットワークアクセス制限やアクセスログ監視を強化し、影響を受けるサービスを隔離してください。

STEP 5: 修正されたことを確認する

STEP 3で実行したバージョン確認コマンドを、修正適用後に再度実行してください。

期待される出力

Python (pip)

pip show praisonai

出力例:

Name: praisonai
Version: 4.6.78
Summary: PraisonAI knowledge store client

判定: バージョンが 4.6.78 以上なら修正済みで安全

追加で確認すべきこと

Nucleiテンプレートが存在しないため利用できませんが、アクセスログに不審なSQLエラーやCREATE TABLEの異常がないか監視してください。

補足: 悪用観測状況

現時点でCISA KEVには未登録であり、ランサムウェアなどの悪用情報は報告されていません。GitHub上の公開PoCやExploit Databaseにも該当事例はありません。ただしCVSSは9.8と非常に高いため、早急な対応が推奨されます。

補足: CVSSメトリクス詳細

• AV (Attack Vector / 攻撃元): NETWORK – ネットワーク経由で攻撃可能
• AC (Attack Complexity / 攻撃複雑度): LOW – 攻撃は容易に実行可能
• PR (Privileges Required / 必要権限): NONE – 権限不要で攻撃可能
• UI (User Interaction / ユーザ操作): NONE – ユーザの操作不要
• S (Scope / 範囲): UNCHANGED – 攻撃範囲は同一コンポーネント内
• C (Confidentiality / 機密性影響): HIGH – 機密情報の漏洩に直結
• I (Integrity / 完全性影響): HIGH – データの改ざんが可能
• A (Availability / 可用性影響): HIGH – サービス停止の可能性大

よくある質問（FAQ）

Q. このCVEに対応するために最低限すべきことは何ですか？

A. STEP 3で自分の環境のバージョンを確認し、STEP 4で4.6.78以上にアップデートしてください。STEP 5で確実に修正されていることを再確認するのが最低限です。

Q. パッチが適用できない場合、どうすればよいですか？

A. 公式の暫定対応はありませんが、ネットワーク隔離やアクセス制限を強化し、ログ監視を厳重に行ってください。攻撃の痕跡がないか注意深く見守ることが重要です。

Q. 既に攻撃を受けているか確認する方法はありますか？

A. 公式から特定のIOC（侵入痕跡）は提供されていません。ログにCREATE TABLEコマンドの異常やエラーメッセージ、不正なSQLクエリの痕跡がないか確認してください。

Q. なぜEPSSスコアが重要なのですか？

A. CVSSは脆弱性の理論的深刻度を示しますが、EPSSは「実際に悪用される可能性」を数値化します。両者を合わせて見ることで対応の優先度が分かりやすくなります。

Q. このCVEと類似の脆弱性は他にもありますか？

A. CWE-89に分類されるSQLインジェクション脆弱性は多くのAI関連データベースやAPIに存在します。PraisonAI以外のLLM ProxyやAgenticフレームワークでも類似問題に注意してください。

参考文献

• NVD – CVE-2026-60090
• GitHub Advisory – PraisonAI 4.6.78 Update
• VulnCheck Advisory – PraisonAI SQL/CQL Injection

関連トピック・タグから探す

本記事に関連するキーワードから、他のAIセキュリティ記事を探せます。

• Critical脆弱性 に関するCVE・脆弱性記事一覧
• SQLインジェクション に関するCVE・脆弱性記事一覧
• AI Agent に関するCVE・脆弱性記事一覧