GHSA-WR3G-J6QJ-XPGH
NLTK: la extracción de paquetes ZIP sigue hardlinks dentro de la raíz y sobrescribe archivos fuera de la raíz de datos de NLTK
CVSS:3.1/AV:L/AC:L/PR:L/UI:N/S:U/C:N/I:H/A:H
Fuente: GitHub
Ciclo de vida de la vulnerabilidad
| Fecha | Fase | Evento | Detalle |
|---|---|---|---|
| Remediación | Parche 3.10.4 | nltk · -29 d desde divulgación | |
| Monitoreo | Detectada | Ingresó al índice | |
| Divulgación | Publicada | GHSA-WR3G-J6QJ-XPGH divulgada · CVSS 7.1 (GitHub) | |
| Divulgación | Modificada | Última actualización del registro | |
| Monitoreo | Fuente: GitHub Security Advisories | Registro visto por primera vez en GitHub Security Advisories | |
| Monitoreo | Fuente: OSV | Registro visto por primera vez en OSV | |
| Monitoreo | Verificada | Última verificación contra las fuentes |
Resumen
NLTK incluye un envoltorio de seguridad, `nltk.pathsec.ZipFile`, diseñado para restringir la extracción de archivos a raíces de datos de confianza y para bloquear escapes basados en enlaces. Cuando `nltk.download()` instala un paquete, la escritura de la extracción abre la ruta de destino de cada miembro sin comprobar si esa ruta es un hardlink a un archivo ubicado fuera de la raíz de datos. Un actor local que puede escribir dentro de una raíz de datos compartida o predecible de NLTK (por ejemplo `~/nltk_data`, un `/usr/share/nltk_data` con escritura para el grupo, o un volumen de contenedor compartido) puede colocar previamente un hardlink dentro de la raíz en la ruta de un miembro que un paquete que se instalará más adelante escribirá. Cuando la víctima ejecuta después la descarga, la extracción trunca y sobrescribe el destino fuera de la raíz a través de ese hardlink. Es la misma clase de debilidad que el problema previamente corregido del hardlink en el descargador, pero la corrección no llegó al punto de escritura de la extracción de paquetes, por lo que la última versión publicada sigue siendo explotable por esta vía.
Causa raíz
La corrección anterior añadió a los auxiliares de apertura de archivos (`nltk.pathsec.open` / `_hardened_open`) un rechazo cuando `st_nlink > 1`, y dirigió la escritura del archivo temporal del descargador a través de ese opener endurecido, de modo que un inodo con múltiples enlaces se rechaza en esas rutas. El punto de escritura de la extracción nunca recibió la misma comprobación. En las versiones publicadas, `nltk.pathsec.ZipFile.extract` valida los nombres de los miembros con `validate_zip_archive` y luego delega en el extractor de la biblioteca estándar, cuyo `open(targetpath, "wb")` simple abre y trunca un hardlink preexistente. La protección de contención en la que se apoya `validate_zip_archive` utiliza `Path.resolve()` y comprobaciones de nombres; `resolve()` sigue los enlaces simbólicos (por eso un miembro que es un enlace simbólico se rechaza correctamente), pero un hardlink tiene un nombre legítimo dentro de la raíz y una ruta resuelta dentro de la raíz, por lo que la validación lo acepta. Ningún código de la ruta de extracción realiza el `fstat` con `st_nlink` que sí realiza el auxiliar de apertura hermano.
Componente afectado: nltk.pathsec (extracción de archivos), invocado por nltk.downloader
Punto de escritura publicado (<= 3.10.3): nltk/pathsec.py ZipFile.extract -> stdlib zipfile._extract_member -> open(targetpath, "wb")
Protección de contención que no detecta hardlinks: nltk/pathsec.py validate_zip_archive (comprobaciones de nombres + Path.resolve())
Punto de escritura en la rama de desarrollo: nltk/pathsec.py ZipFile._extract_member reabre la hoja con O_WRONLY|O_TRUNC|O_NOFOLLOW (sin fstat de st_nlink)Impacto
Un usuario local sin privilegios que puede crear un archivo dentro de una raíz de datos en la que la instalación de NLTK de la víctima va a extraer archivos puede hacer que el proceso de la víctima trunque y sobrescriba un archivo situado fuera de esa raíz. El atacante elige qué archivo externo se destruye al seleccionar el destino del hardlink, por lo que el impacto en la integridad es completo para la ruta elegida (destrucción arbitraria de archivos fuera de la raíz). Cuando la víctima resuelve paquetes a través de un espejo o índice influido por el atacante, los bytes sobrescritos también son elegidos por el atacante, lo que plausiblemente posibilita el reemplazo dirigido de archivos y, posteriormente, la ejecución de código si la víctima consume el archivo reemplazado; esa escalada es plausible pero no está demostrada aquí. La explotación práctica requiere que la protección de hardlinks del kernel (`fs.protected_hardlinks`) esté deshabilitada, o que el destino externo sea uno que el actor que coloca el hardlink tenga permiso para enlazar (propio, escribible o compartido por el grupo), que es la misma precondición que tiene el aviso previamente aceptado para esta clase de debilidad.
Prueba de concepto
`Dependencias: un nltk publicado (3.10.3) instalado desde PyPI. La demostración crea una raíz de datos, un archivo de la víctima fuera de ella y un archivo de paquete cuya ruta de miembro está preasignada como hardlink al archivo de la víctima, y luego extrae a través del envoltorio de seguridad. Se ejecuta con un único usuario y tiene éxito incluso con fs.protected_hardlinks=1.`
Pasos:
1. Registrar una raíz de datos con `nltk.data.path` y crear un subárbol de extracción dentro de ella.
2. Crear un archivo de la víctima fuera de la raíz de datos.
3. Colocar previamente un hardlink dentro de la raíz en la ruta del miembro que escribirá el archivo.
4. Extraer el archivo a través de `nltk.pathsec.ZipFile.extract`.
import os, sys, tempfile, zipfile
import nltk
import nltk.pathsec as ps
work = tempfile.mkdtemp()
data_root = os.path.join(work, "nltk_data")
extract_root = os.path.join(data_root, "corpora")
os.makedirs(os.path.join(extract_root, "pkgid"))
nltk.data.path.insert(0, data_root)
outside = os.path.join(work, "victim.txt")
open(outside, "w").write("ORIGINAL-VICTIM-CONTENT")
zippath = os.path.join(data_root, "pkg.zip")
with zipfile.ZipFile(zippath, "w") as z:
z.writestr("pkgid/target", "PWNED-BY-EXTRACTION")
member_abs = os.path.join(extract_root, "pkgid/target")
os.link(outside, member_abs) # pre-planted in-root hardlink
with ps.ZipFile(zippath, "r") as z:
z.extract("pkgid/target", path=extract_root)
print("victim now:", open(outside).read())victim now: PWNED-BY-EXTRACTIONLa prueba equivalente usando un enlace simbólico en lugar de un hardlink es rechazada por `validate_zip_archive` con una violación de seguridad (Security Violation), lo que aísla la protección ausente en los hardlinks durante la escritura de la extracción.
Cadena de ataque
- Exposición: `nltk.download()` (y `python -m nltk.downloader`) es el punto de entrada distribuido por defecto; la extracción de paquetes `.zip` en una raíz de datos es el comportamiento predeterminado y es alcanzable por un actor local que puede escribir dentro de una raíz de datos compartida o predecible.
- Control: el atacante controla el inodo de destino al colocar previamente un hardlink dentro de la raíz en `<download_dir>/<subdir>/<pkg_id>/<member>` y, si hay un espejo influido por el atacante, también los bytes escritos; el nombre del miembro se mantiene como `<pkg_id>/...`, por lo que satisface todas las comprobaciones de nombre.
- Ruta: la ruta de instalación no vacía el destino antes de la extracción (el árbol solo se elimina con estado STALE, y esa limpieza desvincula nombres en lugar de truncar el inodo de la víctima), por lo que el hardlink colocado sobrevive hasta la escritura. El valor pasa por la comprobación `expected_root` del descargador y por `_validate_member` (que usa `realpath`, así que un hardlink permanece dentro de la raíz), y después por `validate_zip_archive` (que usa `resolve()`), hasta llegar a la escritura de la extracción.
- Protección: todas las protecciones de la ruta inspeccionan nombres o rutas resueltas; ninguna realiza el `fstat` con `st_nlink > 1`. `resolve()`, `realpath()` y `O_NOFOLLOW` no detectan un hardlink, porque un hardlink es un archivo regular común con un nombre legítimo dentro de la raíz.
- Primitiva: la escritura del miembro abre el hardlink preexistente y lo trunca y sobrescribe, afectando al inodo situado fuera de la raíz.
- Resultado: el archivo propiedad de la víctima elegido por el actor que colocó el hardlink es destruido y reemplazado por los bytes del miembro extraído, cruzando desde la raíz de datos gestionada hacia el sistema de archivos general.
Evidencia de elusión
La corrección previa de esta debilidad es la referencia canónica aquí: añadió rechazos con `st_nlink > 1` a `nltk.pathsec.open` / `_hardened_open` y dirigió la escritura del archivo temporal del descargador a través de ese opener. La nueva evidencia es que el punto de escritura de la extracción nunca quedó cubierto por esa corrección. En el paquete de la versión 3.10.3 obtenido de PyPI, las únicas apariciones de `st_nlink` están dentro del auxiliar de apertura; `ZipFile.extract` valida los nombres y luego llama al extractor de la biblioteca estándar sin ninguna comprobación de `st_nlink`. Se intentó refutar el hallazgo y los intentos fallaron:
- Hipótesis de que la versión 3.10.3 publicada enruta la extracción por una ruta endurecida o con `st_nlink`: refutada al inspeccionar el wheel publicado (`ZipFile.extract` delega en la biblioteca estándar, sin sobrescritura y sin `st_nlink` en la ruta de extracción) y por reproducción dinámica (el hardlink sobrescribió el archivo externo; el enlace simbólico fue rechazado).
- Hipótesis de que `validate_zip_archive` o `_validate_member` detectan el hardlink: refutada porque ambos usan `resolve()` / `realpath()`, que no pueden revelar un hardlink; la asimetría entre enlace simbólico rechazado y hardlink que sobrescribe fue reproducida.
- Hipótesis de que el flujo de descarga vacía el destino antes de la extracción: refutada porque la limpieza solo se ejecuta con estado STALE y usa desvinculación por nombre, lo que no trunca el inodo de la víctima.
- Hipótesis de que `O_NOFOLLOW` / `O_EXCL` en la rama de desarrollo lo bloquean: refutada porque `O_NOFOLLOW` solo protege contra un componente final que sea un enlace simbólico, y `O_EXCL` simplemente desvía a la rama de reapertura con truncado; ninguna realiza el `fstat` de `st_nlink`.
- Hipótesis de que la protección de hardlinks del kernel hace que el problema no sea relevante: se mantiene como límite de severidad, no como descalificación, porque la misma precondición se aplica al aviso previamente aceptado para esta clase de debilidad.
Versiones afectadas
- `Ecosystem: pip`
- `Package: nltk`
- `Rango de afectación confirmado: >= 3.9.4, <= 3.10.3`
- `Última versión revisada: 3.10.3 (PyPI, nltk-3.10.3-py3-none-any.whl)`
- `Estado de la corrección: no corregido (la última versión publicada está afectada; no existe una versión corregida)`
La última versión publicada (3.10.3) incluye la corrección del auxiliar de apertura para el problema relacionado del descargador, pero sigue siendo explotable a través del punto de escritura de la extracción; por tanto, el límite superior es la versión actual y no existe una versión corregida. Las versiones 3.9.4 a 3.10.2 no tienen ninguna protección `st_nlink`
Desglose de métricas
Rangos afectados
Estado del parche por paquete
| Paquete / producto | Estado | Corregida en | Desde divulgación | Última versión |
|---|---|---|---|---|
pypinltk |
Corregida | 3.10.4 | -29 d | 3.10.4 no afectada |
3.10.4Arsenal público
Sin exploits, módulos ni PoC públicos conocidos a la fecha de verificación.
https://nvd.nist.gov/vuln/detail/CVE-2026-128135https://github.com/nltk/nltk/security/advisories/GHSA-wr3g-j6qj-xpghhttps://github.com/nltk/nltk/pull/3753https://github.com/nltk/nltk/commit/0e9898b7615b4ab3b023e868212316a489ece4f0https://github.com/nltk/nltk/commit/cf12a5e6a439fe1d722acd53d4309911faaaaf78https://github.com/nltk/nltkhttps://github.com/nltk/nltk/releases/tag/v3.10.4Las referencias externas se muestran para copiar: cve.llama.ec no lo redirige a otros sitios.
