Skip to content
KitploitKITPLOIT
उपकरणएक्सप्लॉइटब्लॉग
Log in
जमा करें
उपकरणएक्सप्लॉइटब्लॉग
जमा करें

हैकिंग, पेनटेस्ट और साइबर सुरक्षा उपकरण आपके सुरक्षा शस्त्रागार के लिए!

Kitploit हैकिंग, साइबर सुरक्षा और पेंटेस्टिंग टूल्स की एक निर्देशिका है। कमजोरियों को खोजने, सिस्टम का विश्लेषण करने, परीक्षण को स्वचालित करने और अपनी सुरक्षा को मजबूत करने के लिए नवीनतम प्रोजेक्ट अपडेट खोजें।

फ़ीडसंपर्कगोपनीयता© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
CVE-2026-57845-hf-datasets-rce — CVE-2026-57845 के लिए प्रूफ-ऑफ-कॉन्सेप्ट और पैच: Hugging Face datasets के pandas builder में pickle डीसेरियलाइज़ेशन RCE, पुनरुत्पादन स्क्रिप्ट और उपचार मार्गदर्शन के साथ। | Kitploit
उपकरण/GitHubGitHub/saiteja-erukude/cve-2026-57845-hf-datasets-rce
भेद्यता विश्लेषणकोड विश्लेषणशोषणआपूर्ति श्रृंखला सुरक्षापेपर और शोधAI सुरक्षा
GitHubsaiteja-erukude/cve-2026-57845-hf-datasets-rce

CVE-2026-57845-hf-datasets-rce

CVE-2026-57845 के लिए प्रूफ-ऑफ-कॉन्सेप्ट और पैच: Hugging Face datasets के pandas builder में pickle डीसेरियलाइज़ेशन RCE, पुनरुत्पादन स्क्रिप्ट और उपचार मार्गदर्शन के साथ।

रिपॉजिटरी देखें
27 दिन पहलेअभी तक समीक्षित नहीं
साझा करें

CVE-2026-57845: Hugging Face datasets <= 5.1.0 Pandas Pickle RCE

गंभीरता: उच्च, CVSS 3.1 8.8

वेक्टर: CVSS:3.1/AV:N/AC:L/PR:N/UI:R/S:U/C:H/I:H/A:H

प्रभावित: Hugging Face datasets के सभी संस्करण <= 5.1.0

घटक: datasets.packaged_modules.pandas.pandas

CWE: CWE-502 (अविश्वसनीय डेटा का डीसीरियलाइज़ेशन)

खोजकर्ता और रिपोर्टर: Sai Teja Erukude


सारांश

Hugging Face datasets के 5.1.0 सहित और उससे पहले के संस्करण, पुराने (deprecated) लेकिन अभी भी पंजीकृत pandas पैकेज्ड बिल्डर के माध्यम से हमलावर-नियंत्रित pickle फ़ाइलें लोड करते समय मनमानी Python कोड निष्पादन की अनुमति देते हैं।

यह बिल्डर कॉलर द्वारा प्रदान किए गए data_files को हल करता है, प्रत्येक फ़ाइल को बाइट्स के रूप में खोलता है, और परिणाम को Arrow तालिका में परिवर्तित करने से पहले फ़ाइल ऑब्जेक्ट को सीधे pandas.read_pickle() को पास करता है:

with open(file, "rb") as f:
    pa_table = pa.Table.from_pandas(pd.read_pickle(f))

Python pickle deserialization हमलावर द्वारा चुने गए कोड को निष्पादित कर सकता है। जब कोई पीड़ित datasets.load_dataset("pandas", data_files=...) के साथ एक दुर्भावनापूर्ण pickle-आधारित डेटासेट लोड करता है, तो payload Arrow रूपांतरण या फ़ीचर सत्यापन से पहले पीड़ित प्रक्रिया के विशेषाधिकारों के साथ निष्पादित होता है।

प्रभाव

एक हमलावर जो किसी पीड़ित को pandas बिल्डर के माध्यम से हमलावर-नियंत्रित pickle लोड करने के लिए प्रेरित कर सकता है, वह पीड़ित प्रक्रिया में मनमाना Python कोड निष्पादित कर सकता है।

यह उन डेटा विश्लेषण, मशीन लर्निंग, और ऑटोमेशन वर्कफ़्लो को प्रभावित कर सकता है जो अविश्वसनीय प्रोजेक्ट्स, रिपॉज़िटरीज़, डाउनलोड्स, या साझा की गई फ़ाइलों से डेटासेट लोड करते हैं। हमलावर को पीड़ित वातावरण में विशेषाधिकारों की आवश्यकता नहीं है, लेकिन पीड़ित को दुर्भावनापूर्ण डेटासेट लोड करना होगा, जो रिपोर्ट की उपयोगकर्ता-इंटरैक्शन आवश्यकता (UI:R) के अनुरूप है।

स्थानीय वातावरण के आधार पर, यह निम्नलिखित की अनुमति दे सकता है:

  • प्रक्रिया के लिए सुलभ फ़ाइलों, पर्यावरण चर, और एप्लिकेशन रहस्यों को पढ़ना।
  • पीड़ित के वर्कफ़्लो द्वारा उपयोग की जाने वाली फ़ाइलों या डेटा को संशोधित करना।
  • प्रक्रिया के विशेषाधिकारों के साथ Python संचालन या स्थानीय प्रोग्राम चलाना।
  • डेटा प्रोसेसिंग को बाधित करना या उपलब्ध संसाधनों को समाप्त करना।

तकनीकी विवरण

संवेदनशील पथ pandas पैकेज्ड बिल्डर है:

datasets.load_dataset("pandas", data_files=...)
  -> dataset_module_factory(...)
  -> registered pandas packaged builder
  -> Pandas._split_generators(...)
  -> resolve or download caller-supplied data_files
  -> Pandas._generate_tables(...)
  -> open(file, "rb")
  -> pandas.read_pickle(f)
  -> pyarrow.Table.from_pandas(...)

PoC एक pickle ऑब्जेक्ट बनाता है जिसकी __reduce__() विधि एक callable निर्दिष्ट करती है जो एक हानिरहित स्थानीय marker फ़ाइल लिखता है और एक वैध pandas.DataFrame लौटाता है। deserialization के दौरान, वह callable builder द्वारा लौटाए गए DataFrame को Arrow table में बदलने से पहले निष्पादित होता है। इसके बाद dataset लोडिंग सामान्य रूप से पूरी होती है और एक row लौटाती है।

runner इंस्टॉल किए गए package से वास्तविक datasets.load_dataset() API को आमंत्रित करता है। एक नया स्थानीय cache और पिछले marker को हटाना यह सुनिश्चित करता है कि सहेजा गया परिणाम dataset लोडिंग के दौरान निष्पादन को प्रदर्शित करता है।

builder को deprecate करना या लौटाए गए DataFrame को validate करना unpickling के दौरान निष्पादन को नहीं रोकता। pandas दस्तावेज़ भी अविश्वसनीय स्रोतों से pickle डेटा लोड करने के विरुद्ध चेतावनी देते हैं।

Proof of Concept

run_poc.py attacker-controlled.pkl उत्पन्न करता है, इसे pandas builder के माध्यम से लोड करता है, और निष्पादन का प्रमाण रिकॉर्ड करता है।

केवल स्थानीय परीक्षण वातावरण में चलाएँ। Windows पर सहेजे गए प्रमाण में दिखाए गए संस्करण को पुनः उत्पन्न करने के लिए:

python -m venv .venv
.\.venv\Scripts\python.exe -m pip install "datasets==5.1.0"
.\.venv\Scripts\python.exe -B run_poc.py

शामिल requirements.txt वर्तमान में datasets<=5.0.1 निर्दिष्ट करता है। उस पुरानी श्रेणी का परीक्षण करने के लिए इसे python -m pip install -r requirements.txt के साथ इंस्टॉल किया जा सकता है, लेकिन यह सहेजे गए साक्ष्य में उपयोग किए गए 5.1.0 इंस्टॉलेशन का चयन नहीं करता है। ऊपर दिया गया स्पष्ट pin उस इंस्टॉलेशन के datasets संस्करण को पुनः उत्पन्न करता है।

प्रदर्शित किए गए कमजोर संस्करण पर अपेक्षित साक्ष्य:

datasets_version: 5.1.0
installed_package: True
load_error: None
row_count: 1
first_row: {'value': 'benign dataframe returned after pickle execution'}
marker_before_load_dataset: False
marker_after_load_dataset: True
marker_contents:
datasets_pandas_pickle_rce_triggered
success: True

महत्वपूर्ण साक्ष्य यह है कि मार्कर load_dataset() से पहले अनुपस्थित है, लोडिंग के दौरान प्रकट होता है, और अपेक्षित स्ट्रिंग शामिल करता है जबकि डेटासेट लोडिंग सफलतापूर्वक पूरी होती है और अपेक्षित पंक्ति लौटाती है।

पेलोड का निष्पादन प्रभाव एक स्थानीय मार्कर-फ़ाइल लेखन है:

datasets_pandas_pickle_rce_triggered

रनर जनरेट किए गए pickle, cache, और evidence फ़ाइलें भी लिखता है। प्रत्येक रन PoC निर्देशिका में attacker-controlled.pkl, marker.txt, cache/, और evidence/ को बदल देता है; इसे दोबारा चलाने से पहले मौजूदा evidence सुरक्षित रखें।

सहेजे गए आर्टिफ़ैक्ट्स:

  • JSON साक्ष्य
  • निष्पादन साक्ष्य
  • डेमो वीडियो

उपचार

संकीर्ण फ़िक्स किसी भी फ़ाइल को खोलने या pandas.read_pickle() को पास करने से पहले Pandas._generate_tables() के पूरे बॉडी को एक बिना शर्त त्रुटि से बदल देता है:

def _generate_tables(self, files):
    raise ValueError(PANDAS_PICKLE_DISABLED_ERROR)

यह त्रुटि pickle निष्पादन जोखिम को समझाती है और कॉलर को Parquet, Arrow, CSV, JSON, या किसी मौजूदा DataFrame के लिए Dataset.from_pandas() की ओर निर्देशित करती है। यह प्रत्येक फ़ाइलनाम के लिए रिपोर्ट किए गए कोड-निष्पादन पथ को अवरुद्ध करती है, जिसमें विश्वसनीय pickles भी शामिल हैं; यह यह निर्धारित करने का प्रयास नहीं करती कि कौन सी pickle फ़ाइलें विश्वसनीय हैं।

builder पंजीकृत रहता है और इसे अभी भी load_dataset_builder("pandas", ...) या Pandas(...) के माध्यम से बनाया जा सकता है। तालिका निर्माण विफल होने से पहले फ़ाइल रिज़ॉल्यूशन और डाउनलोड हो सकते हैं। streaming के साथ, त्रुटि तब होती है जब dataset पर पुनरावृत्ति की जाती है। एक संगत तैयार Arrow cache को अभी भी _generate_tables() को कॉल किए बिना या इनपुट को unpickle किए बिना पुनः उपयोग किया जा सकता है। builder स्रोत को बदलने से उसका hash बदल जाता है, इसलिए पुराने caches स्वचालित रूप से मेल नहीं खा सकते। यह patch load.py में builder नाम को अस्वीकार नहीं करता है।

उदाहरण के लिए, Parquet को उसके समर्पित builder के माध्यम से लोड करें:

from datasets import load_dataset

dataset = load_dataset("parquet", data_files="data.parquet", split="train")

रिग्रेशन परीक्षण नए लोडिंग, स्ट्रीमिंग पुनरावृत्ति, सीधे तालिका निर्माण, बिल्डर निर्माण, तैयार Arrow कैश पुन: उपयोग, और समर्थित प्रतिस्थापन प्रारूपों को कवर करते हैं। वे सत्यापित करते हैं कि pandas.read_pickle() तक कभी नहीं पहुँचा जाता और यह कि सीधा तालिका निर्माण फ़ाइलें नहीं खोलता। अनपिकलिंग के बाद किसी ऑब्जेक्ट का प्रकार जाँचना बहुत देर हो चुकी होती है। किसी फ़ाइल का नाम बदलना, चेतावनी जारी करना, या किसी अविश्वसनीय पिकल को पहले अनपिकल करके किसी अन्य प्रारूप में परिवर्तित करना निष्पादन जोखिम का समाधान नहीं करता है।

टूल डाउनलोड करें

सबसे लोकप्रिय

सभी देखें →

हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 अंतिम OSINT टूलकिट: जाँच ग्राफ़, विश्वास स्कोरिंग, उपनाम परिवार, मानचित्र, टाइमलाइन और रिपोर्ट। 49 मॉड्यूल, 400+ साइटें, किसी API कुंजी की आवश्यकता नहीं।

    837
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # घोस्टलॉक वन-टैप निष्पादन ऐप (CVE-2026-43499)

    536
  • 3

    ARTEX

    baarai/artex

    प्लानर/वर्कर एजेंट, एसेट और एक्सप्लोरेशन ग्राफ़, MITM ट्रैफ़िक रिकॉर्डिंग, और भेद्यता पुनःपरीक्षण के साथ LLM मल्टी-एजेंट स्वायत्त पेनेट्रेशन टेस्टिंग प्लेटफ़ॉर्म।

    424
  • 4

    redforge

    cybersecurity91/redforge

    ब्राउज़र-साइड रेड टीम टूलकिट, जिसमें रेकॉन, पेलोड जनरेशन, क्रेडेंशियल हमलों, क्रिप्टो, एन्कोडिंग और एंगेजमेंट रिपोर्टिंग के लिए 102 ऑफ़लाइन टूल्स हैं।

    355
  • 5

    looking-glass

    anonghosty/looking-glass

    CSIRT प्लेटफ़ॉर्म जो Shadowserver रिपोर्ट्स को MongoDB में इनजेस्ट करता है और उन्हें इंटरैक्टिव मैप्स, विश्लेषण, निष्कर्षों, सलाहों और कार्यकारी डैशबोर्ड के रूप में पुनः प्रस्तुत करता है।

    294
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI-मूल साइबरसुरक्षा के लिए कार्रवाई की प्रणाली—जहाँ इरादा नियंत्रित निष्पादन बन जाता है, साक्ष्य परिचालन स्मृति बन जाता है, और हर ऑपरेशन अगले को बेहतर बनाता है।

    276

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →