Skip to content
KitploitKITPLOIT
도구익스플로잇블로그
Log in
제출
도구익스플로잇블로그
제출

해킹, 침투 테스트 및 사이버 보안 도구를 당신의 보안 무기고에!

Kitploit은 해킹, 사이버 보안 및 침투 테스트 도구 디렉토리입니다. 최신 프로젝트 업데이트를 발견하여 취약점을 찾고, 시스템을 분석하고, 테스트를 자동화하고, 보안을 강화하세요.

피드문의개인정보© 2026 Kitploit

도구 디렉토리

카테고리

모든 카테고리 보기
Loading categories
CVE-2026-57845-hf-datasets-rce — CVE-2026-57845에 대한 개념 증명 및 패치: Hugging Face datasets의 pandas 빌더에서 발생하는 pickle 역직렬화 RCE로, 재현 스크립트와 완화 지침을 포함합니다. | Kitploit
도구/GitHubGitHub/saiteja-erukude/cve-2026-57845-hf-datasets-rce
Vulnerability AnalysisCode AnalysisExploitationSupply Chain SecurityPapers & ResearchAI Security
GitHubsaiteja-erukude/cve-2026-57845-hf-datasets-rce

CVE-2026-57845-hf-datasets-rce

CVE-2026-57845에 대한 개념 증명 및 패치: Hugging Face datasets의 pandas 빌더에서 발생하는 pickle 역직렬화 RCE로, 재현 스크립트와 완화 지침을 포함합니다.

저장소 보기
27일 전아직 검토되지 않음
공유

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

심각도: 높음, CVSS 3.1 8.8

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

영향 범위: 모든 Hugging Face datasets 버전 <= 5.1.0

구성 요소: datasets.packaged_modules.pandas.pandas

CWE: CWE-502 (신뢰할 수 없는 데이터의 역직렬화)

발견 및 보고: Sai Teja Erukude


요약

Hugging Face datasets 버전 5.1.0 이하에서는 더 이상 사용되지 않지만 여전히 등록되어 있는 pandas 패키지 빌더를 통해 공격자가 제어하는 pickle 파일을 로드할 때 임의의 Python 코드 실행이 가능합니다.

해당 빌더는 호출자가 제공한 data_files를 확인하고, 각 파일을 바이트로 열고, 결과를 Arrow 테이블로 변환하기 전에 파일 객체를 직접 pandas.read_pickle()에 전달합니다:

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

Python pickle 역직렬화는 공격자가 선택한 코드를 실행할 수 있습니다. 피해자가 datasets.load_dataset("pandas", data_files=...)를 사용하여 악성 pickle 기반 데이터셋을 로드하면, Arrow 변환 또는 feature 검증 이전에 피해자 프로세스의 권한으로 페이로드가 실행됩니다.

영향

피해자가 pandas 빌더를 통해 공격자가 제어하는 pickle을 로드하도록 유도할 수 있는 공격자는 피해자 프로세스에서 임의의 Python 코드를 실행할 수 있습니다.

이는 신뢰할 수 없는 프로젝트, 저장소, 다운로드 또는 공유 파일에서 데이터셋을 로드하는 데이터 분석, 머신러닝 및 자동화 워크플로에 영향을 미칠 수 있습니다. 공격자는 피해자 환경에서 권한이 필요하지 않지만, 보고서의 사용자 상호작용 요구사항(UI:R)에 부합하도록 피해자가 악성 데이터셋을 로드해야 합니다.

로컬 환경에 따라 다음이 가능할 수 있습니다:

  • 프로세스에서 접근 가능한 파일, 환경 변수 및 애플리케이션 비밀 정보 읽기.
  • 피해자 워크플로에서 사용하는 파일 또는 데이터 수정.
  • 프로세스의 권한으로 Python 작업 또는 로컬 프로그램 실행.
  • 데이터 처리 방해 또는 사용 가능한 리소스 고갈.

기술 세부 사항

취약한 경로는 pandas 패키지 빌더입니다:

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(...)

PoC는 __reduce__() 메서드가 무해한 로컬 마커 파일을 작성하고 유효한 pandas.DataFrame을 반환하는 호출 가능 객체를 지정하는 pickle 객체를 생성합니다. 역직렬화 중에 이 호출 가능 객체는 빌더가 반환된 DataFrame을 Arrow 테이블로 변환하기 전에 실행됩니다. 그런 다음 데이터셋 로딩이 정상적으로 완료되고 한 개의 행을 반환합니다.

러너는 설치된 패키지의 실제 datasets.load_dataset() API를 호출합니다. 새 로컬 캐시와 이전 마커의 제거를 통해 저장된 결과가 데이터셋 로딩 중 실행되었음을 보여줍니다.

빌더를 사용 중단(deprecate)하거나 반환된 DataFrame을 검증하는 것만으로는 unpickling 중 실행을 방지할 수 없습니다. pandas 문서에서도 신뢰할 수 없는 출처의 pickle 데이터를 로드하지 말 것을 경고하고 있습니다.

Proof of Concept

run_poc.py는 attacker-controlled.pkl을 생성하고, 이를 pandas 빌더를 통해 로드하며, 실행 증거를 기록합니다.

로컬 테스트 환경에서만 실행하십시오. Windows에서 저장된 증거에 표시된 버전을 재현하려면:

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

포함된 requirements.txt는 현재 datasets<=5.0.1을 지정합니다. python -m pip install -r requirements.txt로 설치하여 해당 이전 버전 범위를 테스트할 수 있지만, 저장된 증거에서 사용된 5.1.0 설치를 선택하지는 않습니다. 위의 명시적 고정은 해당 설치의 datasets 버전을 재현합니다.

시연된 취약 버전에서 예상되는 증거:

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

중요한 증거는 마커가 load_dataset() 이전에는 없고, 로딩 중에 나타나며, 데이터셋 로딩이 성공적으로 완료되어 예상한 행을 반환하는 동안 예상한 문자열을 포함한다는 점입니다.

페이로드의 실행 효과는 로컬 마커 파일 쓰기입니다:

datasets_pandas_pickle_rce_triggered

러너는 생성된 피클, 캐시, 증거 파일도 작성합니다. 각 실행은 PoC 디렉터리의 attacker-controlled.pkl, marker.txt, cache/, evidence/를 교체하므로, 다시 실행하기 전에 기존 증거를 보존하세요.

저장된 아티팩트:

  • JSON 증거
  • 실행 증거
  • 데모 영상

해결 방안

좁은 범위의 수정은 파일이 열리거나 pandas.read_pickle()에 전달되기 전에 Pandas._generate_tables()의 전체 본문을 무조건적인 오류로 교체합니다:

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

이 오류는 pickle 실행 위험을 설명하고 호출자에게 기존 DataFrame에는 Parquet, Arrow, CSV, JSON 또는 Dataset.from_pandas()를 사용하도록 안내합니다. 이는 신뢰할 수 있는 pickle을 포함한 모든 파일 이름에 대해 보고된 코드 실행 경로를 차단합니다. 어떤 pickle 파일이 신뢰할 수 있는지 판단하려고 시도하지는 않습니다.

빌더는 계속 등록된 상태로 남아 있으며 load_dataset_builder("pandas", ...) 또는 Pandas(...)를 통해 여전히 구성할 수 있습니다. 파일 확인 및 다운로드는 테이블 생성이 실패하기 전에 발생할 수 있습니다. 스트리밍을 사용하는 경우, 데이터셋을 반복할 때 오류가 발생합니다. 호환되는 준비된 Arrow 캐시는 _generate_tables()를 호출하거나 입력을 unpickle하지 않고도 여전히 재사용할 수 있습니다. 빌더 소스를 변경하면 해시가 변경되므로 이전 캐시는 더 이상 자동으로 일치하지 않을 수 있습니다. 이 패치는 load.py에서 빌더 이름을 거부하지 않습니다.

예를 들어, 전용 빌더를 통해 Parquet을 로드합니다:

from datasets import load_dataset

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

회귀 테스트는 새로 로드하기, 스트리밍 반복, 직접 테이블 생성, 빌더 구성, 준비된 Arrow 캐시 재사용, 지원되는 대체 형식을 다룹니다. 이 테스트들은 pandas.read_pickle()에 절대 도달하지 않는지, 그리고 직접 테이블 생성이 파일을 열지 않는지 검증합니다. 언피클링 후에 객체의 타입을 확인하는 것은 너무 늦습니다. 파일 이름을 바꾸거나, 경고를 출력하거나, 신뢰할 수 없는 피클을 먼저 언피클링하여 다른 형식으로 변환하는 것은 실행 위험을 해결하지 못합니다.

좁은 범위의 패치, 마이그레이션 지침, 검증 명령은 fix.md를 참조하세요. 이 패치는 이 체크아웃의 소스에 적용되어 있으며, 이미 설치된 패키지는 별도로 패치하거나 교체해야 합니다. 이 저장소는 아래에 관련 업스트림 풀 리퀘스트를 링크하고 있으며, 수정이 확인된 릴리스는 여기에 문서화되어 있지 않습니다.

크레딧

Sai Teja Erukude가 발견하고 보고했습니다.

공개는 VulnCheck를 통해 조율되었습니다.

참고 자료

  • CVE 레코드: CVE-2026-57845
  • Hugging Face datasets 저장소
  • Hugging Face datasets PR #8879
  • datasets 5.1.0의 Pandas 빌더 소스
  • pandas.read_pickle 문서
  • Python pickle 보안 경고
  • CWE-502: 신뢰할 수 없는 데이터의 역직렬화
  • 권장 수정 사항
도구 다운로드

인기

모두 보기 →

커뮤니티에서 가장 많이 사용되는 도구를 찾아보세요.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 궁극의 OSINT 툴킷: 조사 그래프, 신뢰도 점수 산정, 별칭 패밀리, 지도, 타임라인 및 보고서. 49개 모듈, 400개 이상 사이트, API 키 불필요.

    786
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # GhostLock 원탭 실행 앱 (CVE-2026-43499)

    506
  • 3

    ARTEX

    baarai/artex

    LLM 멀티 에이전트 자율 침투 테스트 플랫폼으로, 플래너/워커 에이전트, 자산 및 탐색 그래프, MITM 트래픽 기록, 취약점 재테스트 기능을 제공합니다.

    429
  • 4

    redforge

    cybersecurity91/redforge

    브라우저 측 레드 팀 툴킷으로, 정찰, 페이로드 생성, 자격 증명 공격, 암호화, 인코딩 및 참여 보고를 위한 102개의 오프라인 도구를 제공합니다.

    345
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI 네이티브 사이버보안을 위한 행동 체계—의도가 통제된 실행이 되고, 증거가 운영 메모리가 되며, 모든 운영이 다음 운영을 개선하는 곳.

    262
  • 6

    looking-glass

    anonghosty/looking-glass

    Shadowserver 보고서를 MongoDB로 수집하고 이를 대화형 지도, 분석, 발견 사항, 권고 및 경영진 대시보드로 재생하는 CSIRT 플랫폼입니다.

    256

모든 도구 탐색

도구 컬렉션을 둘러보세요

모든 도구 보기 →