新型勒索软件ENCFORGE来袭，借助LangflowRCE漏洞锁定AI模型文件

随着大模型落地加速，AI训练服务器、模型资产成为网络黑产重点攻击目标。安全厂商Sysdig最新监测预警，威胁团伙JADEPUFFER投放全新勒索软件ENCFORGE，利用Langflow高危远程代码执行漏洞发起定向攻击，专门加密AI模型权重、向量索引、训练数据集，大量AI研发企业面临核心资产锁死风险；本次攻击标志勒索攻击正式瞄准AI基础设施。

一、Langflow高危RCE漏洞成为突破口

本次攻击的核心突破口为Langflow未授权远程代码执行漏洞CVE-2025-3248，漏洞风险等级极高，CVSS评分9.8。Langflow作为主流AI工作流编排开源工具，广泛用于搭建RAG系统、智能体应用。

在1.3.0版本之前，Langflow对外开放/api/v1/validate/code接口，无需身份验证即可执行任意Python代码。攻击者仅需构造网络请求，无需账号密码，就能入侵暴露在公网的Langflow服务器。

该漏洞早已被收录至CISA已知在野利用漏洞清单，但不少企业为快速部署AI业务，长期未升级版本，持续将系统暴露于互联网，给攻击者留下可乘之机。

二、ENCFORGE勒索软件特性：专为AI资产定制加密逻辑

ENCFORGE是基于Go语言开发的新型勒索程序，区别于传统勒索病毒，它针对AI生态量身打造加密规则。

恶意程序内置近180种文件后缀匹配规则，重点锁定各类AI资产：PyTorch、TensorFlow模型检查点、SafeTensors权重文件、GGUF大模型、FAISS向量库、训练数据集、数值数组文件。入侵成功后，恶意程序遍历服务器磁盘，加密目标文件并添加.locked后缀，同时留下勒索通知索要赎金。

根据威胁情报，ENCFORGE采用UPX加壳处理，初始查杀率极低，难以被常规终端安全软件识别。攻击者入侵后还会寻找云凭证、API密钥横向渗透，扩大加密范围。

三、从漏洞突破到AI资产加密

整个攻击流程高度自动化，由JADEPUFFER自主AI智能体统筹执行。

第一步利用LangflowRCE漏洞完成初始接入。

第二步寻找暴露的Docker套接字实现权限提升。

第三步在内网横向探测，定位存储模型与训练数据的服务器；最后下发ENCFORGE载荷，批量加密AI核心文件。

对于AI企业而言，模型与训练数据凝聚大量研发成本、算力投入。一旦遭遇加密，即便支付赎金也存在数据无法恢复的风险，重新训练模型将产生数十万甚至上百万的算力损耗，严重中断项目研发进度。

四、企业防护方案，规避ENCFORGE勒索攻击风险

面对新型定向勒索威胁，使用Langflow搭建AI业务的企业需要落实多重防护策略。

第一，紧急升级Langflow至1.3.0及以上正式版本，彻底修复CVE-2025-3248漏洞，禁止将存在漏洞的实例直接公网暴露。

第二，做好网络边界管控，通过防火墙限制Langflow访问源，增设身份认证，杜绝匿名访问API接口。

第三，完善AI资产备份机制，对模型权重、数据集执行异地定期备份，实现勒索加密后快速恢复。

第四，强化服务器安全监测，监控异常文件加密行为、陌生程序下载执行行为，及时发现入侵迹象。

ENCFORGE勒索软件借助Langflow漏洞攻击AI基础设施，代表网络威胁进入全新阶段。以往勒索攻击重点瞄准办公系统、数据库，如今黑客紧盯具备高价值的AI模型资产。各类AI研发团队不能只重视业务迭代而忽视底层安全，及时修补开源组件高危漏洞、隔离AI工作流服务、搭建可靠备份体系，构建AI基础设施安全防线，才能抵御针对性勒索攻击，守住核心数字资产。