NLTK: Fuga por enlace simbólico en YCOECorpusReader permite que enlaces psd/pos lean archivos fuera de la raíz del corpus en el sandbox
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.normpathjunto constartswith), sin llamar aresolve().CorpusReader.__init__valida la cadena de la raíz resultante pero ejecutavalidate_pathsinrequired_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:
- Crear un directorio de sandbox y registrarlo como única entrada en
nltk.data.path. - Crear dentro del sandbox un directorio con
doc1.psd/doc1.posfuera de la raíz del corpus YCOE. - Crear una raíz de corpus YCOE con entradas
psdyposcomo enlaces simbólicos hacia dicho directorio. - Construir
YCOECorpusReaderen dicha raíz y ejecutar la lectura.
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
- Exposición: Una aplicación carga un corpus YCOE controlado por un atacante bajo
pathsec.ENFORCE=True. - Control: El atacante configura
psdyposcomo enlaces simbólicos a otro directorio en el sandbox. - Ruta:
YCOECorpusReader.__init__llama aself.root.join("psd");FileSystemPathPointer.join()devuelve un puntero a<root>/psdtras una comprobación léxica que no resuelve el enlace. - Defensa:
CorpusReader.__init__invocavalidate_path(root)sinrequired_root, omitiendo la capa de verificación del corpus; la capa global resuelve el enlace a un destino permitido y lo valida. - Primitiva: La raíz del lector anidado pasa a ser el destino fuera de la raíz;
find_corpus_fileidsyvalidate_path(required_root=self._root)toman esa ruta como base. - Resultado:
parsed_sents(),tagged_words(),tagged_sents()ywords()leen contenido fuera del corpus pero dentro del sandbox.
Evasión de controles
Los controles agregados no impiden este acceso:
FileSystemPathPointer.join()compruebajoined == root or joined.startswith(root + os.sep)sobre la ruta no resuelta. Un componentepsdcon enlace simbólico produce<root>/psd, lo que cumple el prefijo;FileSystemPathPointer.__init__usaos.path.abspath, que no resuelve enlaces.CorpusReader.__init__llama avalidate_path(root, context="CorpusReader.__init__")sinrequired_root. Envalidate_path, la capa específica se omite debido aif required_root:, y la capa global acepta el destino ennltk.data.path.validate_path(path, required_root=self._root)opera sobreself._root, ya alterado.find_corpus_fileidsevalúaresolved_root = os.path.realpath(root.path)sobre esa raíz ycommonpathrestringe 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: PyPIPackage: nltkConfirmed affected range: >= 3.10.0, <= 3.10.3Latest 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 ejemplovalidate_path(self.root.join("psd"), required_root=self.root)(y de igual forma enpos). - 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.
| Plataforma | Paquete | Versiones vulnerables | Corregida en |
|---|---|---|---|
| Python (PyPI) | nltk | >= 3.10.0, < 3.10.4 | 3.10.4 |
Referencias
- https://github.com/nltk/nltk/security/advisories/GHSA-qg35-44qx-7vrr
- https://nvd.nist.gov/vuln/detail/CVE-2026-126304
- https://github.com/nltk/nltk/pull/3888
- https://github.com/nltk/nltk/commit/2c563b13f9dce7c15eefd4b03463e1b69b64f1f3
- https://github.com/nltk/nltk/commit/68434c0427f8d296f3adfddb518525038d1f7bfa
- https://github.com/nltk/nltk
- https://github.com/nltk/nltk/releases/tag/v3.10.4
- https://www.vulncheck.com/advisories/nltk-3.10.0-before-3.10.4-symlink-escape-in-ycoecorpusreader
- 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.
- 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
- 2019: 1
- 2020: 0
- 2021: 2
- 2022: 1
- 2023: 0
- 2024: 1
- 2025: 0
- 2026: 74
-
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
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.