Alta

NLTK: Fuga por enlace simbólico en YCOECorpusReader permite que enlaces psd/pos lean archivos fuera de la raíz del corpus en el sandbox

  • Publicada: 13.11.2026
  • Actualizado: 14.11.2026 10:00

Resumen

YCOECorpusReader construye dos lectores secundarios anidados cuyas raíces se derivan de self.root.join("psd") y self.root.join("pos") (nltk/corpus/reader/ycoe.py). Dado que FileSystemPathPointer.join() (nltk/data.py) efectúa una verificación puramente léxica sin resolver enlaces simbólicos, y CorpusReader.__init__ (nltk/corpus/reader/api.py) valida la raíz del lector secundario únicamente contra el sandbox global de datos de NLTK y no contra la raíz del corpus envolvente, un enlace simbólico de directorio llamado psd o pos dentro de un corpus YCOE permite anclar los lectores secundarios fuera de la raíz del corpus. Un atacante que controle los contenidos de un corpus YCOE cargado bajo pathsec.ENFORCE=True puede provocar que parsed_sents(), tagged_words() y métodos relacionados devuelvan contenido de otros archivos dentro del sandbox permitido, eludiendo el límite de aislamiento por raíz de corpus.

Causa raíz

Los controles pathsec de NLTK están diseñados para confinar cada lector a su propia raíz. La contención se aplica en tiempo de lectura mediante validate_path(..., required_root=self._root). Sin embargo, esta invariante se rompe durante la construcción de lectores anidados:

  • FileSystemPathPointer.join() admite un componente que sea un enlace simbólico de directorio porque solo valida la cadena de manera léxica (os.path.normpath junto con startswith), sin llamar a resolve().
  • CorpusReader.__init__ valida la cadena de la raíz resultante pero ejecuta validate_path sin required_root, por lo que solo se aplica la comprobación global del sandbox y se omite la verificación específica de la raíz del corpus. El enlace simbólico se resuelve en el sandbox permitido y se acepta el lector secundario apuntando fuera de la raíz.

Posteriormente, cada operación de lectura se realiza tomando como base dicha raíz externa sin que ninguna comprobación posterior la vuelva a fijar a la raíz del corpus YCOE.

Affected functions:
- nltk.corpus.reader.ycoe.YCOECorpusReader.__init__   (nltk/corpus/reader/ycoe.py) builds nested sub-readers from self.root.join("psd")/("pos") without containing them to the parent root
- nltk.corpus.reader.api.CorpusReader.__init__        (nltk/corpus/reader/api.py) validates a sub-reader root only against the global sandbox (validate_path without required_root)
- nltk.data.FileSystemPathPointer.join               (nltk/data.py) applies a lexical prefix check only and never resolves symlinks

Impacto

Un atacante que controle el contenido del directorio de un corpus YCOE cargado bajo pathsec.ENFORCE=True (la opción por defecto en las versiones afectadas) puede leer archivos situados fuera de la raíz del corpus YCOE pero dentro de una raíz de datos permitida de NLTK. La filtración se limita al sandbox global: los enlaces simbólicos cuyos destinos están fuera de las raíces permitidas son rechazados durante la construcción, evitando la lectura arbitraria de todo el sistema. El problema se traduce en divulgación de archivos de solo lectura entre raíces de corpus. En entornos multiinquilino o canalizaciones automatizadas, el ámbito abarca otros corpus bajo la ruta compartida y el directorio temporal del sistema. No afecta a la integridad ni a la disponibilidad.

Prueba de concepto

Dependencies: a released nltk (3.10.0 through 3.10.3) on a POSIX host. No third-party packages. The only allowed data root is a fresh temp sandbox; ENFORCE is left at its default of True.

Pasos:

  1. Crear un directorio de sandbox y registrarlo como única entrada en nltk.data.path.
  2. Crear dentro del sandbox un directorio con doc1.psd / doc1.pos fuera de la raíz del corpus YCOE.
  3. Crear una raíz de corpus YCOE con entradas psd y pos como enlaces simbólicos hacia dicho directorio.
  4. Construir YCOECorpusReader en dicha raíz y ejecutar la lectura.
python
import os, tempfile, nltk
from nltk import pathsec
sandbox = os.path.realpath(tempfile.mkdtemp())
pathsec.ENFORCE = True
nltk.data.path = [sandbox]
pathsec._ALLOWED_ROOTS_CACHE = None
from nltk.corpus.reader.ycoe import YCOECorpusReader

victim = os.path.join(sandbox, "victim", "psd_secret")
victim_pos = os.path.join(sandbox, "victim", "pos_secret")
os.makedirs(victim); os.makedirs(victim_pos)
open(os.path.join(victim, "doc1.psd"), "w").write("(S (SECRET leaked-out-of-ycoe-root))\n")
open(os.path.join(victim_pos, "doc1.pos"), "w").write("SECRET_NN leaked-out-of-ycoe-root_NN\n")

ycoe = os.path.join(sandbox, "corpora", "ycoe_evil"); os.makedirs(ycoe)
os.symlink(victim, os.path.join(ycoe, "psd"))
os.symlink(victim_pos, os.path.join(ycoe, "pos"))

reader = YCOECorpusReader(ycoe)
print(reader.parsed_sents())
print(reader.tagged_words())
psd sub-reader real root : /tmp/ycoe_poc_zc35zihw/victim/psd_secret
ycoe corpus root         : /tmp/ycoe_poc_zc35zihw/corpora/ycoe_evil
parsed_sents()           : [Tree('S', [Tree('SECRET', ['leaked-out-of-ycoe-root'])])]
tagged_words()           : [('SECRET', 'NN'), ('leaked-out-of-ycoe-root', 'NN')]
ESCAPE CONFIRMED: YCOE read out-of-root content via psd/pos symlink

Un control negativo con directorios reales psd/pos permanece contenido, y un enlace que apunte a /etc se rechaza en la construcción mediante PermissionError.

Cadena de ataque

  1. Exposición: Una aplicación carga un corpus YCOE controlado por un atacante bajo pathsec.ENFORCE=True.
  2. Control: El atacante configura psd y pos como enlaces simbólicos a otro directorio en el sandbox.
  3. Ruta: YCOECorpusReader.__init__ llama a self.root.join("psd"); FileSystemPathPointer.join() devuelve un puntero a <root>/psd tras una comprobación léxica que no resuelve el enlace.
  4. Defensa: CorpusReader.__init__ invoca validate_path(root) sin required_root, omitiendo la capa de verificación del corpus; la capa global resuelve el enlace a un destino permitido y lo valida.
  5. Primitiva: La raíz del lector anidado pasa a ser el destino fuera de la raíz; find_corpus_fileids y validate_path(required_root=self._root) toman esa ruta como base.
  6. Resultado: parsed_sents(), tagged_words(), tagged_sents() y words() leen contenido fuera del corpus pero dentro del sandbox.

Evasión de controles

Los controles agregados no impiden este acceso:

  • FileSystemPathPointer.join() comprueba joined == root or joined.startswith(root + os.sep) sobre la ruta no resuelta. Un componente psd con enlace simbólico produce <root>/psd, lo que cumple el prefijo; FileSystemPathPointer.__init__ usa os.path.abspath, que no resuelve enlaces.
  • CorpusReader.__init__ llama a validate_path(root, context="CorpusReader.__init__") sin required_root. En validate_path, la capa específica se omite debido a if required_root:, y la capa global acepta el destino en nltk.data.path.
  • validate_path(path, required_root=self._root) opera sobre self._root, ya alterado. find_corpus_fileids evalúa resolved_root = os.path.realpath(root.path) sobre esa raíz y commonpath restringe solo respecto al destino alcanzado.

Pruebas con destino en /etc fallaron con PermissionError, y carpetas legítimas psd/pos se mantuvieron protegidas. La fuga se reprodujo en 3.10.0 y 3.10.3.

Versiones afectadas

  • Ecosystem: PyPI
  • Package: nltk
  • Confirmed affected range: >= 3.10.0, <= 3.10.3
  • Latest release checked: 3.10.3 (PyPI sdist sha256 bb9327a461c3811c2fa4900e03840401f2126adfb30c0072827c433bd2444ea4, uploaded 2026-08-12)
  • Fix status: 3.10.4

El control está habilitado por defecto (ENFORCE=True) en la rama 3.10.x, afectando a las versiones 3.10.x. Se confirmó en las distribuciones 3.10.0 y 3.10.3. La versión 3.9.4 utiliza ENFORCE=False por defecto.

Estado de la solución (2026-09-28)

Estado: EN PROGRESO (solución en pull request abierto #3888 "Validate chat80.sql_query dbname for path containment (CWE-59/73)"). Commits: 68434c042 y 2c563b13f. Prueba de regresión: nltk/test/unit/test_ycoe_streamview_pathsec.py (13 superada en commit e0e890f51).

Reportado por zx (GitHub: @manus-pi).

Qué hacer

Actualice a NLTK versión 3.10.4 o superior.

Se sugiere asegurar la contención al construir lectores anidados:

  • En YCOECorpusReader.__init__, validar cada raíz anidada frente a la raíz del corpus principal, por ejemplo validate_path(self.root.join("psd"), required_root=self.root) (y de igual forma en pos).
  • Reforzar FileSystemPathPointer.join() para rechazar componentes cuyos destinos resueltos escapen de la raíz del propio puntero.

Como mitigación temporal, cargue únicamente corpus YCOE procedentes de directorios de confianza y evite alojar corpus no confiables en rutas de datos compartidas de NLTK.

Software afectado

Haz clic en una tecnología para ver todas sus vulnerabilidades.

PlataformaPaqueteVersiones vulnerablesCorregida en
Python (PyPI) nltk >= 3.10.0, < 3.10.4 3.10.4

Referencias

Puntuación CVSS 7.5/10
Vector CVSS
CVSS:3.1/AV:N/AC:L/PR:N/UI:N/S:U/C:H/I:N/A:N
Debilidad (CWE)
CWE-59
Plataforma
Python (PyPI)
Paquete
nltk
Publicada
13.11.2026
Actualizado
14.11.2026 10:00

Fuentes y licencias · Editado o traducido por DockRay; se mantienen los derechos y las licencias de las fuentes.

OSV / GitHub Advisory Database - GHSA-qg35-44qx-7vrr - CC BY 4.0

Historial de vulnerabilidades: nltk

Todas las vulnerabilidades publicadas de este paquete (Python (PyPI)), de la más reciente a la más antigua. Muestra si es un fallo aislado o un paquete que hay que vigilar.

Todas (79) en el archivo
Entradas en total
79
Primera → última
08.2019 11.2026
Sin corrección
5
Explotada en ataques
0

Distribución por gravedad

  • Crítica 5
  • Alta 41
  • Media 31
  • Baja 2

Divulgaciones por año

  1. 2019: 1
  2. 2020: 0
  3. 2021: 2
  4. 2022: 1
  5. 2023: 0
  6. 2024: 1
  7. 2025: 0
  8. 2026: 74
Gravedad:
  1. NLTK: Fuga por enlace simbólico en YCOECorpusReader permite que enlaces psd/pos lean archivos fuera de la raíz del corpus en el sandbox esta entrada
    Alta · 7.5 CVE-2026-126304 >= 3.10.0, < 3.10.4 3.10.4
  2. Alta CVE-2026-79674 < 3.10.3 3.10.3
Mostrar más (20) Mostrando 20 de 46

Identifica las vulnerabilidades de tu aplicación

Con la integración de DockRay y el inventario de software activado, DockRay compara las versiones notificadas de los componentes con las vulnerabilidades conocidas y avisa de las coincidencias confirmadas. La cobertura depende de la tecnología compatible y de los avisos disponibles.

Conectar tu aplicación
Newsletter DockRay

La seguridad de tus aplicaciones en tu correo

Vulnerabilidades importantes, recomendaciones concretas y consejos prácticos para tus aplicaciones. Elige tus tecnologías y sigue lo que importa para tu proyecto.

  • Un resumen diario de nuevas vulnerabilidades, también las críticas.
  • Avisos sobre actualizaciones importantes.
  • Consejos prácticos sobre seguridad y monitorización de aplicaciones.

Déjalo vacío para recibir avisos de todas las tecnologías.

Suscripción gratuita. Date de baja con un clic en cualquier correo.