GHSA-MX3X-26CX-VW34
La re-extracción cuadrática de URL del cuerpo provoca denegación de servicio por CPU al analizar correos con muchas URL
CVSS:3.1/AV:N/AC:L/PR:N/UI:N/S:U/C:N/I:N/A:L
Fuente: GitHub
Ciclo de vida de la vulnerabilidad
| Fecha | Fase | Evento | Detalle |
|---|---|---|---|
| Divulgación | Publicada | GHSA-MX3X-26CX-VW34 divulgada · CVSS 5.3 (GitHub) | |
| Remediación | Parche 3.0.5 | eml-parser · 0 d desde divulgación | |
| Monitoreo | Detectada | Ingresó al índice | |
| Monitoreo | Verificada | Última verificación contra las fuentes |
## Descripción del CVE
EmlParser.parse_email() en eml-parser (paquete de Python eml_parser), versiones 3.0.2 hasta 3.0.4, vuelve a recorrer la lista completa de URL descubiertas previamente en cada fragmento del cuerpo de un mensaje al extraer dominios. Esto genera un tiempo de procesamiento cuadrático $O(n^2)$ en función del número de URL presentes en el cuerpo. Un atacante no autenticado que pueda enviar un archivo .eml manipulado a un servicio que lo analice puede provocar un agotamiento sostenido de la CPU (denegación de servicio) del componente de análisis.
Resumen
Cuando `eml_parser` extrae URL y dominios del cuerpo de un mensaje, vuelve a escanear la lista completa y acumulativa de URL encontradas previamente en cada ventana deslizante del cuerpo, en lugar de analizar solo las URL del fragmento actual. En un cuerpo con muchas URL válidas y distintas, este reescaneo repetido produce un trabajo O(n^2) en función del tamaño del cuerpo. Un atacante no autenticado que suministre un archivo `.eml` manipulado a cualquier servicio que llame a la API pública de análisis puede mantener ocupado un núcleo de CPU durante un tiempo prolongado, lo que produce una denegación de servicio de disponibilidad. El comportamiento es independiente del motor de expresiones regulares y está presente en la instalación predeterminada.
Causa raíz
El analizador del cuerpo declara dos listas acumuladoras de URL una sola vez por cada parte del cuerpo y luego recorre el cuerpo en fragmentos de tamaño fijo. Dentro del bucle por fragmento, agrega a los acumuladores las URL encontradas en el fragmento actual y, en la misma iteración, vuelve a recorrer las listas acumuladas completas para extraer nuevamente los dominios de todas las URL descubiertas hasta ese momento. Como la deduplicación solo se aplica después de terminar el bucle, los acumuladores crecen de forma monótona y cada fragmento vuelve a procesar todas las URL anteriores. Se viola el invariante de seguridad según el cual el procesamiento del cuerpo debe costar un tiempo acotado linealmente por el tamaño del cuerpo: el trabajo total de re-extracción es proporcional a la suma, sobre todos los fragmentos, de las URL vistas hasta entonces, es decir, O(URL × fragmentos), lo que equivale a un costo cuadrático en la longitud del cuerpo.
Affected components:
- eml_parser/parser.py: EmlParser.parse_email
- Accumulator lists declared outside the slice loop (parser.py:474-475)
- Per-slice appends with no in-loop dedup (parser.py:486, 488)
- Per-slice re-extraction over the full accumulated lists (parser.py:502-506)
- Deduplication only after the loop (parser.py:519, 522)Impacto
Un atacante no autenticado que pueda entregar un `.eml` a un servicio que lo analice puede provocar un agotamiento sostenido de un único núcleo de CPU. El problema es alcanzable en la configuración predeterminada: el bucle de extracción del cuerpo se ejecuta incondicionalmente, y el indicador de informe `include_raw_body` solo controla si los resultados se reportan, no si la extracción se ejecuta. Se demostró que un cuerpo de unos 107 KB compuesto por URL válidas y distintas tarda aproximadamente 4.3 segundos de un núcleo en la versión publicada, con un escalamiento cuadrático claro. Como el costo es cuadrático, un cuerpo de varios megabytes (dentro de los límites que muchos sistemas de correo permiten) probablemente escalaría a minutos de CPU por mensaje, y los envíos repetidos o concurrentes podrían denegar el servicio al componente de análisis. El impacto se limita a la disponibilidad; no se observó ni se implica ningún efecto sobre la confidencialidad o la integridad. Este comportamiento no depende del motor de expresiones regulares y se reproduce con o sin el extra opcional `regex`.
Prueba de concepto
Requiere Python 3.10+ y eml-parser instalado desde una versión del rango afectado (por ejemplo, `pip install eml-parser==3.0.4`).
import time
import eml_parser
def body_with_valid_urls(n_urls: int) -> bytes:
return ' '.join(f'http://h{i}.example.com/p' for i in range(n_urls)).encode()
def parse(body: bytes) -> float:
raw = b'From: sender@example.com\r\nSubject: poc\r\n\r\n' + body + b'\r\n'
t0 = time.perf_counter()
eml_parser.EmlParser().decode_email_bytes(raw)
return time.perf_counter() - t0
for n in (500, 1000, 2000, 4000):
body = body_with_valid_urls(n)
print(f'urls={n:5d} body={len(body):7d}B parse={parse(body):8.3f}s')urls= 500 body= 12889B parse= 0.100s
urls= 1000 body= 25889B parse= 0.316s
urls= 2000 body= 52889B parse= 1.143s
urls= 4000 body= 106889B parse= 4.306s
negative control (4000 URLs that fail validation, body=46889B): 0.064sEl crecimiento limpio de cuatro veces por cada duplicación confirma un costo O(n^2). El control negativo (URL que no superan la validación de dominio y, por lo tanto, no se acumulan) aísla como causa del costo el reescaneo del acumulador, y no ninguna extracción individual por fragmento.
Cadena de ataque
- Exposición: Un atacante no autenticado entrega un `.eml` cuyo cuerpo es una larga lista de URL válidas y distintas a un servicio que llama a la API pública `EmlParser().decode_email_bytes()` o `.decode_email()`, lo que lleva a `parse_email()` y al bucle del cuerpo (parser.py:470).
- Control: El atacante controla totalmente el cuerpo. Cada URL solo necesita un dominio registrable válido (por ejemplo, `http://hN.example.com/p`) para pasar la validación y acumularse; el atacante puede suministrar tantas URL distintas de este tipo como quiera.
- Ruta: El cuerpo se recorre en fragmentos de tamaño fijo (parser.py:483). Cada fragmento agrega sus URL a las listas acumuladoras declaradas fuera del bucle (parser.py:474-475, con las adiciones en :486 y :488) y luego vuelve a recorrer las listas acumuladas completas para extraer nuevamente los dominios (parser.py:502-506).
- Protección: El fragmentado acota cada extracción individual, pero no acota el recorrido repetido del acumulador creciente, que es el punto de llegada del ataque. La deduplicación se aplica solo después del bucle (parser.py:519, 522), por lo que dentro del bucle las listas crecen de forma monótona, sin límite ni deduplicación.
- Primitiva: El trabajo total de re-extracción es proporcional a la suma, sobre todos los fragmentos, de las URL vistas hasta entonces, lo que da un trabajo de CPU O(body^2).
- Resultado: Un núcleo de CPU queda ocupado durante todo el procesamiento (unos 4.3 segundos para un cuerpo de 107 KB, con escalamiento cuadrático), lo que impide atender a tiempo al componente de análisis.
Versiones afectadas
- `Ecosistema: pip (PyPI)`
- `Paquete: eml-parser`
- `Rango afectado confirmado: >= 3.0.2, <= 3.0.4`
- `Última versión revisada: 3.0.4 (PyPI, coincide con el código fuente etiquetado)`
- `Estado de la corrección: corregido en > 3.0.4`
El bucle vulnerable se introdujo en la versión 3.0.2 (verificado: ausente en v3.0.1, presente en v3.0.2, introducido por el commit etiquetado como v3.0.2) y permanece presente hasta la última versión, 3.0.4. El comportamiento es independiente de la configuración y del extra opcional `regex`.
Remediación
Actualice eml-parser a una versión corregida, en la que los dominios se vuelvan a extraer una sola vez, a partir del conjunto de URL deduplicado, después de completar el bucle de fragmentación, lo que hace que la extracción del cuerpo sea lineal en su tamaño. Como mitigación provisional sin cambios en el código, los operadores pueden limitar, antes del analizador, el tamaño máximo de mensaje y de cuerpo aceptado.
Reportado por zx (GitHub: @manus-pi).
Incluye detalles técnicos publicados por el investigador. Úselos solo para validar y corregir sus propios sistemas.
Desglose de métricas
Rangos afectados
Estado del parche por paquete
| Paquete / producto | Estado | Corregida en | Desde divulgación | Última versión |
|---|---|---|---|---|
pypieml-parser |
Corregida | 3.0.5 | 0 d | 4.7.0 no afectada |
3.0.5Arsenal público
Sin exploits, módulos ni PoC públicos conocidos a la fecha de verificación.
https://github.com/GOVCERT-LU/eml_parser/security/advisories/GHSA-mx3x-26cx-vw34Las referencias externas se muestran para copiar: cve.llama.ec no lo redirige a otros sitios.
