Hoch

NLTK: CPU-Denial-of-Service mit quadratischer Laufzeit in ConllCorpusReader durch verschachteltes Rescannen

  • Veröffentlicht: 14.11.2026
  • Aktualisiert: 14.11.2026 10:00

Zusammenfassung

ConllCorpusReader.srl_instances() erstellt Semantic-Role-Labeling-Instanzen (SRL) aus einem CoNLL-Korpusblock. Bei einem Satzblock mit P Prädikaten und P Span-Spalten scannt der Instanz-Builder jede Span-Spalte (und jeden darin enthaltenen Span) einmal pro Prädikat erneut ab, während nach dem Kopf jedes Prädikats gesucht wird. Dies führt zu einem Aufwand von O(P^2 * R). Ein einzelner wohlgeformter Block, der den Kopf-Span in der letzten Spalte platziert, erzwingt den vollständigen Scan bei jedem Prädikat. Eine Anwendung, die einen von Angreifern bereitgestellten CoNLL-SRL-Korpus liest, kann dadurch für zig Sekunden einen CPU-Thread blockieren. Es ist weder eine Authentifizierung noch eine Benutzerinteraktion erforderlich.

Ursache

_get_srl_instances iteriert über die P Prädikate eines Blocks; für jedes Prädikat werden jede Span-Liste und jeder darin liegende Span durchsucht. Dabei wird ein inneres break verwendet, das erst stoppt, wenn ein mit V oder C-V gekennzeichneter Span gefunden wird, der das Prädikatswort enthält. Befindet sich der einzige Kopf-Span in der letzten Spalte, passt keine vorherige Spalte, sodass das Konstrukt for ... else: continue vor einem Treffer jeden Span aller vorangehenden Spalten durchquert. Über P Prädikate hinweg, die jeweils bis zu P Spalten mit R Spans durchsuchen, beträgt der Aufwand O(P^2 * R). Der Block wird vollständig ohne Größenbeschränkung eingelesen, und die Konsistenzprüfung des Rasters erzwingt lediglich eine einheitliche Spaltenanzahl, jedoch keine Obergrenze für P, R oder den Gesamtaufwand.

Affected function:
- nltk.corpus.reader.conll.ConllCorpusReader._get_srl_instances (nltk/corpus/reader/conll.py:394-424; nested rescan at lines 405-419)
Public entry point: nltk.corpus.reader.conll.ConllCorpusReader.srl_instances (nltk/corpus/reader/conll.py:158-169).

Auswirkungen

Ein Angreifer, der einen CoNLL-Korpus bereitstellen kann, den eine Anwendung lädt und mit srl_instances() iteriert, kann eine anhaltende CPU-Auslastung auf einem Thread verursachen (Verlust der Verfügbarkeit). Der Pfad ist über jede Oberfläche zum Laden von Korpora über das Netzwerk erreichbar (AV:N) und erfordert weder Berechtigungen noch Benutzerinteraktionen (PR:N, UI:N). Da der Rechenaufwand superlinear mit der vom Angreifer gewählten Prädikat- und Spaltenanzahl skaliert, blockiert ein präparierter Korpus von etwa 1 MB einen CPU-Kern für zig Sekunden; wenige Megabyte führen zu Verzögerungen im Minutenbereich. Vertraulichkeit und Integrität sind nicht betroffen. Das Wall-Clock-Timeout für reguläre Ausdrücke in NLTK deckt nur Regex-Operationen ab und greift nicht bei dieser reinen Python-Schleife über das analysierte Raster. Eine Ausnutzung setzt voraus, dass die Anwendung die SRL-spezifische API auf nicht vertrauenswürdigen CoNLL-Daten mit den Spalten words, pos, tree und srl nutzt; Installationen, die srl_instances() niemals aufrufen, sind nicht betroffen.

Proof of Concept

Environment: nltk 3.10.3, CPython. Stage a crafted CoNLL corpus under an authorized data root and iterate srl_instances().
Corpus construction: one blank-line-delimited block with P predicate rows and P SRL span columns, the sole "V" head span in the last column.
python
import time, os, tempfile
from nltk.corpus.reader.conll import ConllCorpusReader

def build_block(n):
    # n predicates, n SRL columns; the single V head placed in the last column
    # (columns: words pos tree srl...): emit n predicate rows and n SRL span
    # columns, with the single "V" head span placed in the final column.
    ...

for n in (40, 80, 160, 320):
    root = tempfile.mkdtemp()
    open(os.path.join(root, "c.conll"), "w").write(build_block(n))
    r = ConllCorpusReader(root, ["c.conll"], ("words", "pos", "tree", "srl"))
    t = time.perf_counter()
    list(r.srl_instances())
    print(n, round(time.perf_counter() - t, 3), "s")
Negative control (single predicate): n=40 -> 1.88 ms ; n=320 -> 4.45 ms      (flat)
Attack (P=R=n):  n=40 -> 0.022s (10 KB) | n=80 -> 0.148s (39 KB) | n=160 -> 1.164s (156 KB) | n=320 -> 10.002s (619 KB)

Die Ausführungszeit des Angriffs steigt bei jeder Verdopplung von n um etwa das 8x-fache, während die Datei nur um etwa das 4x-fache wächst. Dies belegt den superlinearen Aufwand, der durch die gewählte Anzahl an Prädikaten und Spalten entsteht; die Kontrollmessung mit einem einzelnen Prädikat bleibt im Millisekundenbereich.

Angriffskette

  1. Exposition: Eine Anwendung lädt einen von Angreifern bereitgestellten CoNLL-Korpus (dessen Spalten unter anderem srl umfassen) und iteriert darüber mit der öffentlichen API ConllCorpusReader(...).srl_instances().
  2. Kontrolle: Der Angreifer kontrolliert die Prädikatanzahl P, die Anzahl der Span-Spalten und die Position des einzelnen Kopf-Spans; der Block wird ohne Größenbeschränkung vollständig eingelesen.
  3. Pfad: srl_instances() ruft _get_srl_instances auf, was jedes Prädikat über einen doppelt verschachtelten Scan mit den Span-Spalten abgleicht.
  4. Schutzmechanismus: Das innere break auf den ersten passenden Kopf (V oder C-V) wird umgangen, indem der einzige Kopf-Span in der letzten Spalte platziert wird, wodurch alle vorherigen Spalten vollständig gescannt werden. Die Pfad-Sandbox schränkt lediglich den Dateiort ein, begrenzt jedoch nicht den Rechenaufwand eines Blocks.
  5. Mechanismus: Der verschachtelte Rescan führt O(P^2 * R) Span-Vergleiche ohne Obergrenze oder Timeout durch.
  6. Ergebnis: Anhaltende CPU-Erschöpfung auf einem Kern; ein Korpus von rund 1 MB beansprucht mehrere zehn Sekunden und skaliert superlinear, wodurch der verarbeitende Thread blockiert wird.

Nachweis der Schutzumgehung

Die einzige Abbruchbedingung auf diesem Ausführungspfad ist das innere break, das ausgelöst wird, sobald ein Prädikat-Kopf-Span mit V oder C-V gefunden wird. Dies wird konzeptionell umgangen: Wenn der einzige Kopf-Span in der letzten Spalte liegt, matcht keine vorherige Spalte, sodass for ... else: continue für jedes Prädikat sämtliche Spans aller vorhergehenden Spalten durchläuft. Dies wurde im Quellcode bestätigt (nltk/corpus/reader/conll.py:405-419) und durch die öffentliche API srl_instances() reproduziert, bei der die Angriffszeit superlinear ansteigt, während ein Test mit nur einem Prädikat flach bleibt. Die Sandbox zur Pfadprüfung begrenzt lediglich Speicherorte und schränkt die Parsing-Kosten nicht ein; auch das Timeout für reguläre Ausdrücke deckt diese Schleife nicht ab. Die Annahmen zur Entkräftung (dass die Python-Prüfung range in O(1) erfolgt und die Schleife daher linear sei sowie dass break früh auslöse) treffen nicht zu: Die O(1)-Prüfung wird einmal pro Span ausgeführt, und die Anzahl der durchlaufenen Spans wird durch die Platzierung des Kopfs in der letzten Spalte maximiert.

Betroffene Versionen

  • Ecosystem: PyPI (pip)
  • Package: nltk
  • Confirmed affected range: <= 3.10.3
  • Latest release checked: 3.10.3 (PyPI, https://pypi.org/pypi/nltk/json)
  • Fix status: 3.10.4

Der verschachtelte Rescan ist in allen Versionen enthalten, die diesen Reader bereitstellen, einschließlich der zum Berichtzeitpunkt veröffentlichten Version 3.10.3. Die älteste betroffene Version wurde nicht eingegrenzt; das Verhalten bestand bereits vor den jüngsten Härtungen gegen ReDoS.

Vorgeschlagene Abhilfemaßnahmen

Ersetzen der linearen Suche über alle Span-Spalten pro Prädikat durch einen einzelnen Durchlauf, der Kopf-Spans nach Wortposition indiziert (z. B. durch einmaliges Erstellen einer Zuordnung von Wortindex zur zugehörigen Span-Spalte und anschließendem Abrufen in konstanter Zeit), was den Gesamtaufwand auf ca. O(P * R) senkt. Als Defense-in-Depth sollten Grenzwerte für die Prädikat- und Span-Anzahl pro Block eingeführt und nicht vertrauenswürdige Daten mit CPU- oder Zeitlimits verarbeitet werden. Eine reine Konfigurationsanpassung existiert für Dienste, die CoNLL-SRL-Daten parsen müssen, nicht; bis zur Bereitstellung eines Fixes sollten Korpusgrößen beschränkt und verarbeitende Worker isoliert werden.

Gemeldet von zx (GitHub: @manus-pi).

Status der Behebung (2026-09-28)

PR: #3753 "[Do not merge yet] Fix GHSA-8mgp-746c-j5xp: URL-scheme bypass of pathsec.validate_path", offen; Head da55cab0e zum Zeitpunkt der Notiz (ein Merge auf develop über 238f81500, dem Stand, auf dem die Messungen erfolgten).

Fix-Commit: cf12a5e6a "Patch seven algorithmic-DoS and path/exec GHSA classes across all affected modules" (ConllCorpusReader._get_srl_instances baut einen One-Pass-Index von Wortnummer zu Span-Liste auf, anstatt pro Prädikat neu zu scannen).

Probe: nltk/test/unit/security_probes/ghsa_v8f3_6phw_6mh9.py (im PR). Ergebnis auf dem PR-Head: BEHOBEN (srl_instances benötigte 3.9x über 4x Prädikate). Derselbe Test auf develop 2fa3f48fe: ANFÄLLIG (45.8x über 4x Prädikate).

Was zu tun ist

Aktualisieren Sie auf NLTK Version 3.10.4 oder höher. Sofern ein Update noch nicht möglich ist, begrenzen Sie die akzeptierte Korpusgröße und isolieren Sie die verarbeitenden Prozesse.

Betroffene Software

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

PlattformPaketAnfällige VersionenBehoben in
Python (PyPI) nltk < 3.10.4 3.10.4

Verweise

CVSS-Wert 7.5/10
CVSS-Vektor
CVSS:3.1/AV:N/AC:L/PR:N/UI:N/S:U/C:N/I:N/A:H
Schwäche (CWE)
CWE-400, CWE-407
Plattform
Python (PyPI)
Paket
nltk
Veröffentlicht
14.11.2026
Aktualisiert
14.11.2026 10:00

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

OSV / GitHub Advisory Database - GHSA-v8f3-6phw-6mh9 - CC BY 4.0

Schwachstellenhistorie: nltk

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 (79) im Archiv
Einträge insgesamt
79
Erste → letzte
08.2019 11.2026
Ohne Fix
5
In Angriffen ausgenutzt
0

Verteilung nach Schweregrad

  • Kritisch 5
  • Hoch 41
  • Mittel 31
  • Niedrig 2

Veröffentlichungen pro Jahr

  1. 2019: 1
  2. 2020: 0
  3. 2021: 2
  4. 2022: 1
  5. 2023: 0
  6. 2024: 1
  7. 2025: 0
  8. 2026: 74
Schweregrad:
  1. NLTK: CPU-Denial-of-Service mit quadratischer Laufzeit in ConllCorpusReader durch verschachteltes Rescannen dieser Eintrag
    Hoch · 7.5 CVE-2026-126297 < 3.10.4 3.10.4
  2. Hoch CVE-2026-79674 < 3.10.3 3.10.3
  3. Hoch · 8.8 CVE-2026-71513 >= 3.10.0, < 3.10.3 3.10.3
  4. Hoch · 5.9 CVE-2026-62385 < 3.10.0 3.10.0
  5. Hoch · 7.5 CVE-2026-33231 < 3.9.4 3.9.4
  6. Hoch · 8.6 CVE-2026-0847 < 3.9.3 3.9.3
Mehr anzeigen (6) 40 von 46 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.