
CVE-2026-58868 का तकनीकी लेख, जो Android के HEIF ग्रिड टाइल डिकोडिंग पथ में एक आउट-ऑफ-बाउंड राइट है, जिसमें मूल-कारण विश्लेषण, क्रैश डंप और Gmail थंबनेल पुनरुत्पादन शामिल है।
नमस्ते सभी, यह मेरी पहली पोस्ट है, इसलिए अगर आपको कोई गलती दिखे तो कृपया मुझे बताएं। मैं आमतौर पर अपने CVE के बारे में नहीं लिखता, लेकिन हैरी केन के आखिरकार बैलन डी'ऑर जीतने और बायर्न के साथ अपना अनुबंध बढ़ाने ने कुछ खास करने का एक अच्छा बहाना प्रदान किया। बग में जाने से पहले, यहां बताया गया है कि मैं आखिरकार Android को देखने तक कैसे पहुंचा।
मेरा ज्यादातर समय फुटबॉल देखने और Windows पर शोध करने में जाता है। एक दिन, देखने के लिए कोई मैच नहीं था, और मैं Windows डिसअसेम्बली को घूरते हुए ऊब गया था। तभी मेरा पुराना Oneplus एंड्रॉइड फोन मेरी नजर में आया, और मैंने सोचा, इसे भी छेड़छाड़ करके देख लेता हूं।
मैं Android से बहुत परिचित नहीं था, इसलिए मैंने यह समझने में मदद के लिए एक LLM का उपयोग किया कि चीजें एक साथ कैसे जुड़ती हैं। मुझे यह एक बहुत स्पष्ट कारण से पसंद आया: मैं सीधे सोर्स कोड पढ़ सकता था। थोड़ी देर इधर-उधर खोजने के बाद, मुझे system_server में mDNS से जुड़ा एक जीरो क्लिक DoS बग मिला।
इसने मुझे और खोजबीन करने के लिए प्रेरित किया। मीडिया पार्सर देखने के लिए एक दिलचस्प जगह लगे, खासकर इस बात को देखते हुए कि वे जीरो क्लिक एक्सप्लॉइट के लिए कितनी बार सामने आते हैं। इसलिए मैंने मीडिया कोड पढ़ना शुरू किया, अपरिचित हिस्सों को समझने में AI की कुछ मदद के साथ। मैंने यह बग स्टैटिक एनालिसिस के माध्यम से खोजा, जो कि मैं अपने Windows शोध में करता हूं।
CVE-2026-58868 Android के HEIF इमेज-डिकोडिंग पथ में एक आउट-ऑफ-बाउंड्स राइट है। एक तैयार की गई इमेज डिकोडर को आवंटित आउटपुट इमेज के बाहर टाइल्स रखने के लिए मजबूर कर सकती है, जिससे mediaserver परिवर्तित पिक्सल को आउट-ऑफ-बाउंड्स लिखता है। Google इसे Android 14, 15, 16, 16 QPR2, और 17 को प्रभावित करने वाला Critical RCE के रूप में वर्गीकृत करता है। (Android बुलेटिन)
लेकिन मैंने इसे Android 12 डिवाइस (moto g31) पर भी पुनः उत्पन्न किया है।
Gmail में, ईमेल खोलना ही पर्याप्त था: थंबनेल जनरेशन ने इमेज को डिकोड किया, बिना मेरे टैप किए या अटैचमेंट को मैन्युअल रूप से डाउनलोड किए। मैंने Google Files और Google Photos के माध्यम से भी इस समस्या को पुनः उत्पन्न किया। नीचे दिया गया क्रैश मेरे OnePlus CPH2467 पर Gmail से है।
HEIF (High Efficiency Image File Format) एक आधुनिक इमेज कंटेनर फॉर्मेट है। यह मूल रूप से JPEG की तुलना में फोटो को संग्रहीत करने का एक अधिक कुशल तरीका है।
एक HEIF इमेज को टाइल्स नामक छोटी तस्वीरों के ग्रिड के रूप में संग्रहीत किया जा सकता है। Android उन टाइल्स को डिकोड करता है और उन्हें तैयार इमेज के लिए आरक्षित मेमोरी के एक ब्लॉक में एक साथ रखता है।
समस्या यह है कि एक तैयार की गई फाइल एक ऐसा टाइल लेआउट वर्णित कर सकती है जो घोषित इमेज आकार के अंदर फिट नहीं होता।
यहां एक सरलीकृत उदाहरण है। एक इमेज की कल्पना करें जो 300 पिक्सल ऊंची है, जिसमें टाइल्स 128 पिक्सल ऊंची पंक्तियों में व्यवस्थित हैं:
Remaining height = 300 - 384 = -84 pixels
यह इस टाइल के लिए अमान्य ऊँचाई है। बाद में एक जाँच स्रोत और गंतव्य क्रॉप आकारों की तुलना करती है, लेकिन दोनों में समान अमान्य मान हो सकता है और फिर भी मेल खा सकते हैं।
पिक्सेल रूपांतरण लाइब्रेरी का नकारात्मक ऊँचाई के लिए एक वैध उपयोग भी है: किसी छवि को लंबवत रूप से पलटना। यह अमान्य मान को आउटपुट को पलटने के अनुरोध के रूप में व्याख्यायित कर सकता है और तदनुसार गंतव्य पॉइंटर को समायोजित कर सकता है।
परिणाम एक आउट ऑफ बाउंड्स राइट है: परिवर्तित पिक्सेल छवि के लिए आरक्षित मेमोरी के बाहर लिखे जाते हैं।
यही कारण है कि प्रीव्यू जनरेशन मायने रखता है। एक ऐप थंबनेल तैयार करते समय कमज़ोर डिकोडिंग कोड तक पहुँच सकता है, इससे पहले कि उपयोगकर्ता स्वयं छवि खोले।
एक HEIF ग्रिड छवि छोटी एन्कोडेड टाइल्स से बनाई जाती है। आउटपुट बफ़र समग्र छवि के लिए आकारित होता है, जबकि डिकोडेड टाइल आयाम यह निर्धारित करते हैं कि प्रत्येक टाइल कहाँ रखी जाएगी। रिप्रोड्यूसर में, टाइल्स 1024 x 1024 में डिकोड होती हैं, लेकिन घोषित आउटपुट आयाम उस टाइल लेआउट को समाहित नहीं करते हैं।
StagefrightMetadataRetriever टाइल आयामों को पढ़ता है और उनका उपयोग उपयुक्त कोडेक चुनने के लिए करता है:
if (!thumbnail && isHeif && format != NULL) {
int32_t tileWidth, tileHeight;
if (trackMeta->findInt32(kKeyTileWidth, &tileWidth) && tileWidth > 0
&& trackMeta->findInt32(kKeyTileHeight, &tileHeight) && tileHeight > 0) {
format->setInt32("height", tileHeight);
format->setInt32("width", tileWidth);
}
}
यहाँ, thumbnail का अर्थ फ़ाइल के अंदर संग्रहीत थंबनेल है; कोई ऐप मुख्य छवि को डिकोड करके अपना पूर्वावलोकन उत्पन्न कर सकता है।
बग MediaImageDecoder::onOutputReceived() में है। यह डिकोड किए गए क्रॉप आयामों का उपयोग करके प्रत्येक टाइल के गंतव्य की गणना करता है। यह दाएँ और निचले किनारों को आउटपुट आकार तक क्लिप करता है, लेकिन पहले उस टाइल को अस्वीकार नहीं करता जिसकी प्रारंभिक स्थिति पहले से ही छवि के बाहर है। इसलिए कैनवास के नीचे से शुरू होने वाली टाइल एक ऋणात्मक क्रॉप ऊँचाई उत्पन्न कर सकती है।
ColorConverter जाँचता है कि स्रोत और गंतव्य क्रॉप आयाम मेल खाते हैं:
src.cropWidth() == dst.cropWidth() &&
src.cropHeight() == dst.cropHeight()
दोनों आयतें एक ही तरह से अमान्य हो सकती हैं और फिर भी इन तुलनाओं को पास कर सकती हैं। अन्य स्ट्राइड और संरेखण जाँच यह स्थापित नहीं करतीं कि पूर्ण आयतें सीमा के भीतर हैं।
semiplanar रूपांतरण रैपर फिर क्रॉप आयामों को libyuv को पास करता है। क्रोमा और मैट्रिक्स चयन को संक्षिप्त करते हुए:
libyuvFunc(src_y, src_stride_y, src_uv, src_stride_uv,
dst_ptr, dst.mStride, matrix,
src.cropWidth(), src.cropHeight());
libyuv ऊँचाई को signed integer के रूप में लेता है। डंप इस बात से मेल खाता है कि एक अमान्य क्रॉप इस कॉल तक ऊँचाई -1096 के रूप में पहुँचा। NV21ToARGBMatrix में, एक ऋणात्मक ऊँचाई लंबवत उलटे आउटपुट का अनुरोध करती है, इसलिए libyuv पिक्सेल को परिवर्तित करने से पहले गंतव्य पॉइंटर को समायोजित करता है। एक अमान्य क्रॉप अब आउटपुट बफ़र के बाहर एक राइट बन गया है।
क्रैश होने वाली प्रक्रिया 32-बिट ARM mediaserver थी, जो ImageDecoderOut थ्रेड में थी।
Process: /system/bin/mediaserver (pid 18621, uid 1013)
Thread: ImageDecoderOut (tid 27553)
Signal: SIGSEGV (SEGV_MAPERR)
Fault: 0xe246e5c0
#00 NV21ToARGBRow_NEON.cfi +142
#01 NV21ToARGBMatrix.cfi +170
#02 std::function::operator() +82
#03 ColorConverter::convertYUV420SemiPlanarUseLibYUV +808
#04 ColorConverter::convertYUVMediaImage +236
#05 ColorConverter::convert +780
#06 MediaImageDecoder::onOutputReceived +1668
#07 MediaImageDecoder::outputLoop +1794
r2 e246e5c0
r10 00000400
r11 00000400
फॉल्ट पर मौजूद इंस्ट्रक्शन बाइट्स डिकोड होकर यह बनते हैं:
0xf03c60e8: vst4.8 {d0, d2, d4, d6}, [r2]!
यह परिवर्तित पिक्सेल डेटा के 32 बाइट्स को संग्रहीत करने का प्रयास करता है। r2 में सटीक फ़ॉल्ट पता है, जो एक अनमैप्ड गैप में पड़ता है। तत्काल विफलता एक गंतव्य लेखन है।
r10 और r11 में अभी भी 0x400 (1024) है, जो नियंत्रित टाइल आयाम से मेल खाता है।