Wysoka

NLTK: Odmowa usługi (DoS) o kwadratowej złożoności czasowej procesora w ConllCorpusReader SRL przez zagnieżdżone przeszukiwanie zakresów

  • Ujawniono: 14.11.2026
  • Aktualizacja: 14.11.2026 10:00

Podsumowanie

ConllCorpusReader.srl_instances() buduje instancje etykietowania ról semantycznych (SRL) z bloku korpusu CoNLL. Dla bloku zdania z P predykatami i P kolumnami zakresów (spanów), mechanizm ten ponownie przeszukuje każdą kolumnę zakresów (oraz każdy zakres w jej wnętrzu) raz na każdy predykat podczas poszukiwania członu nadrzędnego (head) danego predykatu, co daje złożoność O(P^2 * R). Pojedynczy poprawny składniowo blok, w którym nadrzędny zakres umieszczono w ostatniej kolumnie, wymusza pełne przeszukanie dla każdego predykatu. Wskutek tego aplikacja odczytująca dostarczony przez atakującego korpus CoNLL SRL może zostać zablokowana na dziesiątki sekund ciągłego użycia CPU w ramach jednego wątku. Nie jest wymagane uwierzytelnienie ani interakcja użytkownika.

Przyczyna błędu

_get_srl_instances iteruje po P predykatach bloku; dla każdego predykatu skanuje każdą listę zakresów oraz każdy zakres wewnątrz niej, korzystając z wewnętrznej instrukcji break, która zatrzymuje się dopiero wtedy, gdy odnaleziony zostanie zakres oznaczony jako V lub C-V zawierający słowo predykatu. Gdy jedyny nadrzędny zakres zostanie umieszczony w ostatniej kolumnie, żadna wcześniejsza kolumna nie daje dopasowania, więc konstrukcja for ... else: continue iteruje przez każdy zakres każdej wcześniejszej kolumny przed znalezieniem dopasowania. Dla P predykatów, z których każdy skanuje do P kolumn po R zakresów, koszt wynosi O(P^2 * R). Blok jest wczytywany w całości bez limitu rozmiaru, a weryfikacja spójności siatki wymusza wyłącznie jednolitą liczbę kolumn, bez nakładania ograniczeń na P, R czy całkowity nakład pracy.

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).

Wpływ

Atakujący, który ma możliwość dostarczenia korpusu CoNLL wczytywanego i przetwarzanego przez aplikację za pomocą srl_instances(), może doprowadzić do długotrwałego wyczerpania zasobów procesora na pojedynczym wątku (utrata dostępności). Ścieżka jest dostępna sieciowo poprzez dowolny interfejs przetwarzania korpusów (AV:N) i nie wymaga żadnych uprawnień ani interakcji ze strony użytkownika (PR:N, UI:N). Ponieważ koszt obliczeniowy rośnie ponadliniowo w odniesieniu do dobranej przez atakującego liczby predykatów i kolumn, spreparowany korpus o rozmiarze około 1 MB blokuje rdzeń CPU na dziesiątki sekund, a plik o wielkości kilku megabajtów wydłuża ten czas do wielu minut. Poufność i integralność nie są zagrożone. Zegarowy limit czasu (timeout) wyrażeń regularnych w NLTK dotyczy wyłącznie dopasowywania regex i nie obejmuje tej czysto pythonowej pętli operującej na sparsowanej strukturze. Do udanej eksploatacji konieczne jest, aby aplikacja używała API dedykowanego SRL na niezaufanych danych CoNLL z kolumnami words, pos, tree oraz srl; wdrożenia, które nigdy nie wywołują srl_instances(), nie są podatne.

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)

Czas ataku rośnie o około 8x przy każdym podwojeniu n, podczas gdy plik powiększa się jedynie około 4x razy, co potwierdza ponadliniowy koszt wymuszany liczbą predykatów i kolumn; próba kontrolna z pojedynczym predykatem pozostaje na poziomie milisekund.

Łańcuch ataku

  1. Ekspozycja: Aplikacja ładuje dostarczony przez atakującego korpus CoNLL (kolumny obejmują m.in. srl) i przetwarza go za pomocą publicznego ConllCorpusReader(...).srl_instances().
  2. Kontrola: Atakujący kontroluje liczbę predykatów P, liczbę kolumn z zakresami oraz położenie pojedynczego zakresu nadrzędnego; blok jest przetwarzany w całości bez ograniczenia wielkości.
  3. Ścieżka: srl_instances() wywołuje _get_srl_instances, który zestawia każdy predykat z kolumnami zakresów za pomocą podwójnie zagnieżdżonego skanowania.
  4. Zabezpieczenie: Wewnętrzna instrukcja break zatrzymująca działanie przy pierwszym pasującym elemencie nadrzędnym (V lub C-V) zostaje ominięta przez umieszczenie jedynego nadrzędnego zakresu w ostatniej kolumnie, co powoduje pełne przeskanowanie wszystkich wcześniejszych kolumn. Piaskownica ścieżek kontroluje jedynie lokalizację ładowanych plików, a nie ilość pracy potrzebnej na przetworzenie bloku.
  5. Mechanizm: Zagnieżdżone ponowne skanowanie wykonuje O(P^2 * R) porównań zakresów bez limitu wykonania czy timeoutu.
  6. Rezultat: Długotrwałe wyczerpanie zasobów pojedynczego rdzenia CPU; korpus o rozmiarze około 1 MB wymaga dziesiątek sekund i skaluje się ponadliniowo, blokując wątek roboczy.

Dowód obejścia zabezpieczeń

Jedynym mechanizmem skracającym przeszukiwanie na tej ścieżce jest wewnętrzna instrukcja break, która reaguje po znalezieniu zakresu nadrzędnego V lub C-V dla predykatu. Zostaje ona zneutralizowana w przemyślany sposób: umieszczenie jedynego zakresu nadrzędnego w ostatniej kolumnie oznacza brak dopasowania we wcześniejszych kolumnach, przez co for ... else: continue analizuje każdy zakres każdej wcześniejszej kolumny dla każdego predykatu. Zostało to potwierdzone w kodzie źródłowym (nltk/corpus/reader/conll.py:405-419) oraz odtworzone kompleksowo przez publiczne API srl_instances(), gdzie czas przetwarzania ataku rośnie ponadliniowo, podczas gdy przypadek kontrolny z jednym predykatem nie wykazuje wzrostu. Piaskownica ścieżek ogranicza jedynie lokalizacje plików i nie nakłada limitu na koszt parsowania, a timeout wyrażeń regularnych nie chroni tej pętli. Próby obalenia problemu (argumentujące, że sprawdzanie przynależności range w Pythonie ma złożoność O(1), więc pętla jest liniowa, oraz że break zadziała wcześnie) są błędne: test przynależności o złożoności O(1) jest ewaluowany raz na każdy zakres, a liczba odwiedzanych zakresów jest maksymalizowana właśnie przez umieszczenie członu nadrzędnego w ostatniej kolumnie.

Wersje dotknięte podatnością

  • 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

Zagnieżdżone skanowanie występuje w każdym wydaniu zawierającym ten czytnik, włącznie z najnowszym opublikowanym w momencie zgłoszenia wydaniem 3.10.3. Wersja początkowa nie została ustalona poprzez bisekcję; zachowanie to istniało przed niedawnymi poprawkami dotyczącymi wyrażeń regularnych.

Sugerowane rozwiązanie

Zastąpienie liniowego przeszukiwania wszystkich kolumn zakresów dla każdego predykatu pojedynczym przebiegiem indeksującym zakresy nadrzędne według pozycji słowa (na przykład jednorazowe utworzenie mapy z indeksu słowa do docelowej kolumny zakresów, a następnie wyszukiwanie predykatu w czasie stałym), co redukuje łączny koszt do około O(P * R). W ramach strategii obrony w głąb (defense in depth) zaleca się ograniczenie liczby predykatów i zakresów akceptowanych w pojedynczym bloku oraz przetwarzanie niezaufanych danych z budżetem czasu procesora. Żadna zmiana samej konfiguracji nie eliminuje podatności w usługach wymagających przetwarzania niezaufanych danych CoNLL SRL; do czasu publikacji poprawki należy ograniczyć dopuszczalny rozmiar korpusu i odizolować wątek/proces parsujący.

Zgłoszone przez zx (GitHub: @manus-pi).

Status poprawki (2026-09-28)

PR: #3753 "[Do not merge yet] Fix GHSA-8mgp-746c-j5xp: URL-scheme bypass of pathsec.validate_path", otwarty; head da55cab0e w momencie sporządzania notatki (merge develop na bazie 238f81500, commicie użytym do pomiarów poniżej).

Commit z poprawką: cf12a5e6a "Patch seven algorithmic-DoS and path/exec GHSA classes across all affected modules" (ConllCorpusReader._get_srl_instances buduje jednoprzebiegowy indeks wordnum -> spanlist zamiast ponownego skanowania przy każdym predykacie).

Test weryfikacyjny: nltk/test/unit/security_probes/ghsa_v8f3_6phw_6mh9.py (w PR). Wynik na headzie PR: NAPRAWIONE (skalowanie srl_instances wyniosło 3.9x dla 4x predykatów). Ten sam test uruchomiony na develop 2fa3f48fe: PODATNY (45.8x dla 4x predykatów).

Co trzeba zrobić

Zaktualizuj bibliotekę NLTK do wersji 3.10.4 lub nowszej. W przypadku braku możliwości natychmiastowej aktualizacji należy ograniczyć rozmiar wczytywanych plików oraz odizolować proces parsowania.

Czego dotyczy

Kliknij technologię, aby zobaczyć wszystkie dotyczące jej podatności.

PlatformaPaczkaPodatne wersjePoprawka w wersji
Python (PyPI) nltk < 3.10.4 3.10.4

Odnośniki

Ocena CVSS 7.5/10
Wektor CVSS
CVSS:3.1/AV:N/AC:L/PR:N/UI:N/S:U/C:N/I:N/A:H
Słabość (CWE)
CWE-400, CWE-407
Platforma
Python (PyPI)
Paczka
nltk
Ujawniono
14.11.2026
Aktualizacja
14.11.2026 10:00

Źródła i licencje · Redakcja lub tłumaczenie: DockRay. Zachowano prawa źródeł i obowiązujące licencje.

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

Historia podatności: nltk

Wszystkie opisane podatności tej paczki (Python (PyPI)), od najnowszej. Widać, czy to jednorazowa wpadka, czy paczka, której trzeba pilnować.

Wszystkie (79) w archiwum
Wszystkich wpisów
79
Pierwsza → ostatnia
08.2019 11.2026
Bez poprawki
5
Wykorzystywana w atakach
0

Rozkład istotności

  • Krytyczna 5
  • Wysoka 41
  • Średnia 31
  • Niska 2

Ujawnienia w latach

  1. 2019: 1
  2. 2020: 0
  3. 2021: 2
  4. 2022: 1
  5. 2023: 0
  6. 2024: 1
  7. 2025: 0
  8. 2026: 74
Istotność:
  1. Wysoka · 7.5 CVE-2026-129229 >= 3.10.0, < 3.10.4 3.10.4
  2. NLTK: Odmowa usługi (DoS) o kwadratowej złożoności czasowej procesora w ConllCorpusReader SRL przez zagnieżdżone przeszukiwanie zakresów ten wpis
    Wysoka · 7.5 CVE-2026-126297 < 3.10.4 3.10.4
  3. Wysoka · 7.8 CVE-2026-78680 < 3.10.3 3.10.3
  4. Wysoka CVE-2026-79674 < 3.10.3 3.10.3
  5. Wysoka · 8.8 CVE-2026-71513 >= 3.10.0, < 3.10.3 3.10.3
  6. Wysoka · 5.9 CVE-2026-62385 < 3.10.0 3.10.0
  7. Wysoka · 7.5 CVE-2026-33231 < 3.9.4 3.9.4
  8. Wysoka · 8.6 CVE-2026-0847 < 3.9.3 3.9.3
Pokaż więcej (6) Widać 40 z 46

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.

Podłącz swoją aplikację
Newsletter DockRay

Bezpieczeństwo aplikacji w Twojej skrzynce

Najważniejsze podatności, konkretne zalecenia i praktyczne wskazówki dla Twoich aplikacji. Wybierz technologie i śledź to, co ma znaczenie dla Twojego projektu.

  • Codzienne zestawienie nowych podatności, także krytycznych.
  • Powiadomienia o ważnych aktualizacjach.
  • Praktyczne porady o bezpieczeństwie i monitoringu aplikacji.

Pozostaw puste, aby otrzymywać informacje o wszystkich technologiach.

Zapis jest bezpłatny. Wypiszesz się jednym kliknięciem w wiadomości.