Offline, inert model of CVE-2026-115878 in Stanza's lemma loader: versioned pickle-to-JSON decision logic, static pickletools opcode scanning, and differential pre/post-fix test evidence.
Modelo offline e inerte de CVE-2026-115878 (GHSA-gh9r-c94j-cmp5,
CWE-502 / CWE-94). En Stanza 1.14.0 el lematizador guardaba pos_dict
como bytes gzip+pickle (dicts_version = 2).
torch.load(..., weights_only=True) deja pasar los bytes, y
Trainer.load llamaba a pickle.loads sin restricciones (b21e1c9b:L58,
pre). Un .pt de lema controlado por el atacante ejecutaba código al
construir el pipeline. El fix, commit
b21e1c9b47b4fccff21d3b0a6c0687a19410c2f0 (en 1.15.0), renombra v2,
guarda v3 como gzip+JSON con orjson y lanza ValueError ante cualquier
carga v2 (b21e1c9b:L68-73).
Inglés: README.md. Ejercicios: PRACTICE.md.
src/c9stanza/loader.py: la decisión por versión. Pre: gzip + análisis
estático del pickle. Post: v3 → JSON; v2 → REJECT_PICKLE_V2; v1 →
conversión legacy.src/c9stanza/opstream.py: pickletools.genops + pila simbólica.
Nunca se usa pickle.loads.Cada cita tiene la forma <tag>:L<n> o <tag>:L<n>-<m>: la línea real de
cat -n del diff guardado copiado en sources/:
b21e1c9b → sources/CVE-2026-115878_stanza_b21e1c9b47b4.diff (SHA-256 d5c38c6023732da2881933bb95c4e0ccbbb5fc47bdaa79ef1fc8ae7b26de6bbd)Los rangos citados y el texto que debe contener cada uno están en
citations.tsv; tests/test_citations.py comprueba el SHA-256, el texto de
cada rango y que ninguna cita del repo falte en la tabla o no tenga tag.
Opcional: C9_DIFF=<diff>[:<diff>] (el diff del commit upstream descargado
de nuevo) se compara byte a byte con la copia del repo:
C9_DIFF=/tmp/x.diff PYTHONPATH=src python3 -m unittest -v tests.test_citations. Sin él ese chequeo sale como skip explícito;
las copias del repo se verifican siempre. Aviso de licencia de las copias:
sources/README.md, sources/UPSTREAM-LICENSE.
PYTHONPATH=src python3 -m unittest discover -s tests -v
python3 scripts/derive_expected.py | diff - fixtures/expected.tsv
python3 scripts/gen_results.py /tmp/r && diff -r results /tmp/r
Un modelo no es un hallazgo. Ver LIMITATIONS.md y SOURCES.md. Licencia: Apache-2.0.