【高】CVE-2026-61433 PraisonAIのコードインジェクション脆弱性をついたPython攻撃手法とAI Security対策ガイド

結論

• 危険度: High (CVSS 7.8)
• 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)

タイトルの緊急度プレフィックス（【至急】【最重大】等）の意味

表記	条件	意味	対応目安
【至急/ランサム悪用】	CISA KEV登録 + ランサムウェア悪用観測	ランサムグループが現在進行形で悪用	本日中に対応開始
【至急/重大】	CISA KEV登録 + CVSS 9.0以上	実世界で攻撃観測あり + スコア極めて高い	本日中に対応開始
【重大/KEV登録】	CISA KEV登録(CVSS低またはNVD未反映)	実世界で攻撃観測あり	数日以内
【最重大】	CVSS 9.5以上(KEV未登録)	理論上の危険度ほぼ満点、攻撃観測はまだない	1週間以内に対応計画
【重大】	CVSS 9.0〜9.4(KEV未登録)	Critical帯の理論的高リスク	1〜2週間以内
【高】	CVSS 7.0〜8.9(KEV未登録)	High帯のリスク	計画的に対応
(プレフィックスなし)	CVSS 7.0未満	Medium以下のリスク	通常メンテで対応

「至急」と「最重大」の違い: 「至急」は CISA(米国政府機関)が 実際に悪用を観測した CVEに付与されます。「最重大」は CVSS スコア上は最高峰だが、まだ悪用観測がない ものです。同じCVSS 9.8でもKEV登録の有無で扱いが変わります。

最終更新: 2026-07-15 ｜ 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	やること	かかる目安
STEP 1	何が起きているか理解する	3分
STEP 2	急ぎ対応すべきか判断する	3分
STEP 3	自分の環境が対象か確認する	5分
STEP 4	修正を適用する	環境による
STEP 5	修正されたことを確認する	3分

STEP 1: 何が起きているか

一言でいうと

CVE-2026-61433は、PraisonAIというAI APIサーバ生成ツールの旧バージョンで、攻撃者が特定の設定値を介して悪意あるPythonコードを注入できます。これはAI GatewayやLLM Proxyを運用する技術者にとって重大なリスクです。攻撃者は認証不要かつローカルユーザ権限で任意コードを実行できるため、早期対応が必要です。

やさしく説明すると

この脆弱性は、例えると「APIサーバの設定の中に埋め込む文章が、鍵のない小包になっている」ようなものです。攻撃者がその「小包」の中に危険な命令を書き込めてしまいます。サーバが起動するときやリクエストを受けるたびに、その危険な命令が実行される可能性があります。つまり、玄関のカギが閉まっていないだけでなく、来訪者が勝手に家の中に入り込み、好きなことができる状態です。

技術的な原因

今回の脆弱性はCWE-94「不適切なコードの動的評価 (Improper Control of Generation of Code)」に該当します。PraisonAIがAPIサーバのPythonソースコードを自動生成する際、deploy.api.hostとagents_fileという設定値を安全にエンコード（符号化）しません。そのため、攻撃者は悪意のあるPython式をこれらの設定に注入でき、サーバ起動時やリクエスト処理時に不正コードが実行されます。

Pythonのコード生成時の安全処理の欠如が直接原因であり、外部からの文字列をそのままコードに埋め込むことでRCE（リモートコード実行）に繋がります。

影響を受けると何が困るか

• AI GatewayやLLM Proxyが動作するAPIサーバが乗っ取られ、情報漏洩やサーバ停止のリスクがある
• 認証なしで任意のPythonコードが実行できるため、APIキー(OpenAI/Anthropic等)や環境変数(.env)など機密情報が漏れる
• LLMエージェントを管理するAgentフレームワークが改ざんされ、プロンプトインジェクションによるエージェント乗っ取りが起きる可能性がある
• AI駆動で開発しているバイブコーダー向けツール（Cursor、Cline、Copilot等）経由でも悪用されるリスクがある
• モデルに渡すコンテキストやRAG(情報検索強化学習)データの改ざんが起き、学習結果に影響が出る
• 不正コードにより請求コスト増大などの被害が発生する可能性がある

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。

カテゴリ	情報源	言語	何が分かるか	リンク
総合	NVD（米国 NIST）	英	米国政府の脆弱性データベース。CVSSスコア、影響を受けるCPE、参考リンクの総合ハブ。最も網羅的。	開く
総合	MITRE CVE	英	CVE採番機関の公式記録。CVE記述の「正本」。NVDより記載が簡潔だが一次情報。	開く
総合	JVN iPedia（JPCERT/CC・IPA）	日	日本のCSIRTが運用する脆弱性対策情報データベース。日本語で概要・対策が読める。掲載がない場合あり。	開く
総合	CISA KEV（悪用観測カタログ）	英	米国CISAが実際に悪用を確認している脆弱性のカタログ。掲載されていれば最優先で対応。	開く
総合	GitHub Advisory Database	英	OSSパッケージ（npm/pypi/maven/composer/go等）別の脆弱性アドバイザリ。修正PRへのリンクが豊富。	開く
総合	OpenCVE	英	複数CVEデータベースの集約検索サービス。タイムラインや関連CVEの俯瞰に有用。	開く
Linux	Red Hat CVE	英	Red Hat製品（RHEL/CentOS Stream/Rocky/AlmaLinux系）の影響評価とパッチ状況。	開く
Linux	Ubuntu Security	英	Ubuntu の影響評価。各Ubuntuバージョン（22.04/24.04等）でのパッチ提供状況が一目で分かる。	開く
Linux	Debian Security Tracker	英	Debian の影響評価。stable/testing/sid別のパッチ状況。Debian派生ディスト利用者向け。	開く
Linux	SUSE CVE	英	SUSE Linux Enterprise / openSUSE の影響評価とパッチ状況。	開く
悪用	Exploit Database	英	公開エクスプロイトのアーカイブ。検出ツールやペネトレーションテストでの参照用。	開く
悪用	Packet Storm Security	英	セキュリティアドバイザリ・エクスプロイトの集約サイト。古めの情報も含む。	開く
悪用	GitHub PoC 検索	英	GitHubコード検索でCVE IDを直接検索。野良PoCの早期発見に。	開く
悪用	X（Twitter）検索	日英	直近の議論やニュースを観測。In-the-wild悪用の早期検知に有用。	開く
スキャナ	Snyk Vulnerability DB	英	パッケージ別の脆弱性詳細と修正バージョン。OSS依存ライブラリ追跡に有用。	開く
スキャナ	Tenable（Nessus）	英	Nessusスキャナでの検出プラグイン情報。検出ロジックの参考に。	開く
スキャナ	Rapid7（Metasploit/Nexpose）	英	Metasploit悪用モジュール、Nexposeでの検出情報。	開く

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: 高

判断根拠

• CVSS 3.1スコアは 7.8（High評価）で、重大なリスクを示す。ただしリモートからの直接攻撃ではなく、ローカル攻撃者による攻撃であり、ユーザ操作が必要な点を考慮すべき
• EPSS（悪用予測スコア）は提供されていません
• ランサムウェアによる悪用観測は確認されていません
• 公開PoCは現状なし。GitHubにも未公開
• 攻撃に必要な条件は「ローカル権限 (Access Vector: LOCAL)」「ユーザ操作が必要 (User Interaction: Required)」だが、認証不要でコードインジェクションできるため運用上は注意が必要

誰が動くべきか

• PraisonAIを使ったLLM GatewayやAPIサーバ生成ツールの運用・開発チーム
• Agentフレームワーク開発者（LangChain、AutoGen等）でPraisonAIを組み込んでいる場合
• MLインフラチームやRAGパイプライン保守者
• バイブコーダー開発者（Cursor、Cline、Copilot、Claude Code等の利用者）でPraisonAI連携がある場合
• AI Securityチームで脆弱性関連の対応計画を担当する方

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

製品	脆弱なバージョン範囲	修正版
PraisonAI	4.6.77以下	4.6.78以降

バージョン確認コマンド

Python (pip)

pip show praisionai

出力例:

Name: praisionai
Version: 4.6.77
Summary: LLM API server generator

判定: Version が 4.6.77 以下なら脆弱。4.6.78 以上なら修正済み

Python (poetry)

poetry show praisionai

出力例:

praisonai 4.6.77 LLM API server generator

判定: バージョン番号を確認し、4.6.78 以上なら安全

Docker イメージ

docker images | grep praisionai

出力例:

mervinpraison/praisonai 4.6.77 sha256:xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

判定: tag または digestで 4.6.78 以上のものがあれば修正済み

設定確認

本脆弱性は設定依存でなく、deploy.api.host と agents_fileに攻撃者が制御可能な値を入力できることが根本原因です。設定の信頼性が保たれていなければ脆弱です。したがって、設定変更による効果的な緩和策はありません。バージョンアップでの修正が必須です。

Nucleiテンプレートでの検出

本CVEに対応した公開Nucleiテンプレートは現在提供されていません。バージョン確認で対象を判断してください。

STEP 4: 修正を適用する

パッチ適用

Pythonパッケージ（pip）

pip install --upgrade praisionai

出力例:

Collecting praisionai
  Downloading praisionai-4.6.78-py3-none-any.whl (xx kB)
Installing collected packages: praisionai
  Successfully installed praisionai-4.6.78

判定: バージョンが4.6.78以上になることを確認

Pythonパッケージ（poetry）

poetry add praisionai@^4.6.78

出力例:

Using version ^4.6.78 for praisionai
Updating dependencies
Resolving dependencies... (0.0s)
Writing lock file
Installing dependencies from lock file

判定: バージョンが4.6.78以上か確認

Docker イメージの更新

docker pull mervinpraison/praisonai:4.6.78
docker stop 
docker rm 
docker run --name  -d mervinpraison/praisonai:4.6.78

判定: イメージが4.6.78に更新されていること確認

注意: パッチ適用前に本番環境のバックアップを取得し、ステージング環境で十分な検証を行ってください。また、パッチ適用中のダウンタイム計画を策定しましょう。

パッチ即時適用ができない場合の暫定対応

現時点で公式の暫定対応は提示されていません。設定変更やWAF/IPSルール追加による防御は困難です。可能であれば、該当サーバへのアクセスをネットワーク的に制限し、運用者および信頼できるユーザー以外が設定変更を行えないようにしてください。

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 praisionai

出力例:

Name: praisionai
Version: 4.6.78
Summary: LLM API server generator

判定: バージョンが 4.6.78 以上ならOK

Docker イメージ

docker images | grep praisionai

出力例:

mervinpraison/praisonai 4.6.78 sha256:yyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyy

判定: イメージが 4.6.78 以上ならOK

追加で確認すべきこと

• 脆弱性に関連する不審なアクセスや、設定ファイル書き換えのログを継続的に監視すること
• 公開Nucleiテンプレートがリリースされた場合は再スキャンを推奨

補足: 悪用観測状況

現時点でCISA KEVカタログに本CVEは登録されていません。公開されているPoCコードはなく、GitHub上でも検証済みの悪用コードは確認されていません。ランサムウェアグループによる悪用も報告されていません。とはいえ、認証なしにPythonコードを注入可能なため、実務者は早急に対応を検討すべきです。

補足: CVSSメトリクス詳細

• AV (Attack Vector: 攻撃元): LOCAL (ローカルの攻撃者のみが利用可能)
• AC (Attack Complexity: 攻撃の複雑さ): LOW (簡単な攻撃でも発動可能)
• PR (Privileges Required: 必要権限): NONE (認証や特別権限不要)
• UI (User Interaction: ユーザ操作): REQUIRED (ユーザが操作を誘発される必要がある)
• S (Scope: 影響範囲): UNCHANGED (攻撃での影響範囲は変わらない)
• C (Confidentiality: 機密性への影響): HIGH (重要情報の漏洩が起こる)
• I (Integrity: 完全性への影響): HIGH (処理内容の改ざんが起こる)
• A (Availability: 可用性への影響): HIGH (サービス停止や妨害が起こる)

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のバージョン確認で対象を特定し、STEP 4でPraisonAIを4.6.78以上に更新してください。STEP 5で修正有無を必ず確認しましょう。

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。設定の信頼性を強化し、該当サーバのアクセスを制限してください。可能な限り早期にパッチ適用計画を立ててください。

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. 攻撃状況を示すログ解析が重要です。設定ファイルの改ざんや不審なPythonコード実行の痕跡を探してください。公開PoCがないためIOCは限定的です。

Q. なぜEPSSスコアが重要なのですか？

A. CVSSは脆弱性の技術的深刻度を示しますが、EPSSは「実際に悪用される確率」を予測します。両者を併用すると対応優先度をより正確に判断できます。

Q. このCVEと類似の脆弱性は他にもありますか？

A. CWE-94に分類される動的コード生成の脆弱性は過去に複数報告されています。特にAIサーバ生成ツールやコード自動生成機構で類似の問題が起きやすいので注意してください。

参考文献

• NVD – CVE-2026-61433
• PraisonAI 修正コミット
• GitHub Advisory Database – PraisonAI脆弱性
• Vulncheck 脆弱性説明

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。

• High脆弱性 に関するCVE・脆弱性記事一覧
• コードインジェクション 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
• Python に関するCVE・脆弱性記事一覧