Modèle hors ligne et inerte de CVE-2026-115878 dans le chargeur de lemmes de Stanza : logique de décision versionnée pickle-vers-JSON, analyse statique des opcodes avec pickletools, et preuves de tests différentiels avant/après correctif.
Modèle hors ligne et inerte de CVE-2026-115878 (GHSA-gh9r-c94j-cmp5, CWE-502 /
CWE-94). Dans Stanza 1.14.0, le lemmatiseur stockait pos_dict sous forme d'octets
pickle compressés en gzip dans le point de contrôle (dicts_version = 2).
torch.load(..., weights_only=True) traite bytes comme une primitive et ne
les inspecte pas, donc Trainer.load appelait ensuite sans restriction
pickle.loads sur ce flux (b21e1c9b:L58, avant). Un lemme fourni par un attaquant
.pt exécutait donc du code lors de la construction du pipeline. Le correctif, le commit
b21e1c9b47b4fccff21d3b0a6c0687a19410c2f0 (dans 1.15.0), renomme v2 en
_DICTS_VERSION_POS_PICKLE, stocke v3 en gzip+JSON via orjson, et
lève ValueError lors de tout chargement v2 (b21e1c9b:L68-73).
Espagnol : README.es.md. Exercices : PRACTICE.md.
src/c9stanza/loader.py : la décision versionnée. Avant : toute version POS
(2 ou, pour le modèle, 3) passe par gzip puis une analyse statique de
pickle. Après : v3 → JSON ; v2 → REJECT_PICKLE_V2 (b21e1c9b:L68-73) ; v1 → conversion
héritée (b21e1c9b:L74-76).src/c9stanza/opstream.py : pickletools.genops + une pile symbolique.
pickle.loads / Unpickler ne sont jamais utilisés ; les tests les remplacent pour
échouer et vérifient l'AST. Un STACK_GLOBAL / GLOBAL nommant un module hors
d'une liste d'autorisation inerte de builtins est un SINK.json (le vrai correctif utilise orjson ;
voir LIMITATIONS).results/summary.csv)| Classe | n | avant | après |
|---|---|---|---|
| pos (gadgets) | 3 | 3 PICKLE_EXECUTED_SINK | 3 REJECT_PICKLE_V2 |
| neg | 3 | malformé / hérité | JSON / hérité |
| compat | 2 | chargements v2 légitimes ; mauvais JSON malformé | v2 rejeté ; erreur JSON |
Chaque citation de ligne a la forme <tag>:L<n> ou <tag>:L<n>-<m> : la ou les vraies
lignes cat -n du diff enregistré copiées dans sources/ :
b21e1c9b → sources/CVE-2026-115878_stanza_b21e1c9b47b4.diff (SHA-256 d5c38c6023732da2881933bb95c4e0ccbbb5fc47bdaa79ef1fc8ae7b26de6bbd)Toutes les plages citées et le texte que chacune doit contenir se trouvent dans citations.tsv ;
tests/test_citations.py vérifie le SHA-256, le texte de chaque plage, et
qu'aucune citation du dépôt ne manque dans le tableau ou n'est dépourvue d'une étiquette.
Facultativement, C9_DIFF=<diff>[:<diff>] (un téléchargement frais du diff du commit
amont) est vérifié comme étant identique octet pour octet à la copie dans le dépôt :
C9_DIFF=/tmp/x.diff PYTHONPATH=src python3 -m unittest -v tests.test_citations. Sans cela, cette unique vérification est signalée comme un
saut explicite ; les copies dans le dépôt sont toujours vérifiées. Avis de licence des
copies : 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
fixtures/expected.tsv provient de scripts/derive_expected.py, un
scanner pickletools indépendant qui n'importe pas src/. Bibliothèque standard Python 3.10+
uniquement. Rien n'est jamais dé-picklé.
Un modèle n'est pas une découverte. Voir LIMITATIONS.md et SOURCES.md. Licence : Apache-2.0.