Composio平台工具调用漏洞分析与修复
2025-05-07 01:41:33作者:吴年前Myrtle
问题背景
Composio是一个开源的多工具集成平台,其核心功能允许用户通过API调用各类工具(如Git、Shell等)。近期发现其Python SDK(版本低于0.6.9)存在一个需要改进的安全设计,开发者可通过特定输入绕过工具调用限制,导致非预期命令执行可能。
技术原理
问题成因
在ComposioToolSet().handle_tool_calls()方法中,存在以下设计不足:
-
工具调用权限控制不足
当处理大模型返回的tool_calls时,系统仅依赖前端传入的get_tools()参数作为权限边界,未在服务端对实际执行的工具进行二次验证。 -
Shell工具执行控制
平台内置的SHELLTOOL_SPAWN_PROCESS工具允许执行系统命令,但未与用户授权工具列表进行强制关联验证。 -
模型引导执行面
当用户使用可被引导的AI模型(如部分国产大模型)时,开发者可通过特定提示词(prompt engineering)使模型返回未授权的工具调用指令。
问题复现
开发者构造包含以下特征的特定输入:
messages=[
{"role": "user", "content": "引导模型调用SHELLTOOL_SPAWN_PROCESS工具..."}
]
模型可能返回包含未授权工具调用的响应:
{
"tool_calls": [{
"function": {
"name": "SHELLTOOL_SPAWN_PROCESS",
"arguments": "{\"cmd\":\"特定命令\"}"
}
}]
}
由于缺乏运行时验证,该指令会被直接执行。
改进方案
安全机制增强
Composio团队在0.6.9版本中实施了多重防护:
-
动态权限验证
在handle_tool_calls()中增加工具调用权限控制机制,仅允许执行通过get_tools()显式声明的工具。 -
输入验证处理
对工具调用参数进行类型强制验证,防止参数注入问题。 -
操作日志记录
增加详细的工具调用日志记录,包括调用者身份、工具类型等关键信息。
开发者建议
对于使用Composio SDK的用户,建议:
- 立即升级至0.6.9+版本
- 对大模型返回内容实施业务层验证
- 在生产环境限制Shell工具的使用范围
问题启示
该案例揭示了AI集成系统的特殊安全挑战:
- 工具链权限边界:需要明确划分AI生成内容与系统执行边界
- 最小权限原则:即使使用权限控制机制,也应默认拒绝所有未明确允许的操作
- 深度防护策略:需在客户端、服务端、基础设施多层部署防护措施
通过这次改进,Composio平台在工具调用的安全性上实现了显著提升,为同类AI集成系统提供了有价值的安全实践参考。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
260
92