Modelo offline e inerte do CVE-2026-115878 no carregador de lemas do Stanza: lógica de decisão versionada de pickle para JSON, varredura estática de opcodes com pickletools e evidências de testes diferenciais pré/pós-correção.
Modelo offline e inerte de CVE-2026-115878 (GHSA-gh9r-c94j-cmp5, CWE-502 /
CWE-94). No Stanza 1.14.0, o lematizador armazenava pos_dict como bytes de
pickle comprimidos com gzip dentro do checkpoint (dicts_version = 2).
torch.load(..., weights_only=True) trata bytes como primitivo e não
os inspeciona, então Trainer.load chamava então pickle.loads
sem restrições sobre esse stream (b21e1c9b:L58, pré). Um lema fornecido pelo
atacante .pt portanto executava código na construção do pipeline. A correção, commit
b21e1c9b47b4fccff21d3b0a6c0687a19410c2f0 (na 1.15.0), renomeia v2 para
_DICTS_VERSION_POS_PICKLE, armazena v3 como gzip+JSON via orjson, e
levanta ValueError em qualquer carregamento de v2 (b21e1c9b:L68-73).
Espanhol: README.es.md. Exercícios: PRACTICE.md.
src/c9stanza/loader.py: a decisão versionada. Pré: qualquer versão de POS
(2 ou, para o modelo, 3) passa por gzip e então por uma varredura estática de
pickle. Pós: v3 → JSON; v2 → REJECT_PICKLE_V2 (b21e1c9b:L68-73); v1 → conversão
legada (b21e1c9b:L74-76).src/c9stanza/opstream.py: pickletools.genops + uma pilha simbólica.
pickle.loads / Unpickler nunca são usados; os testes os substituem para
falhar e verificam a AST. Um STACK_GLOBAL / GLOBAL nomeando um módulo fora
de uma allowlist inerte de builtins é um SINK.json da stdlib (a correção real usa orjson;
veja LIMITATIONS).results/summary.csv)| Classe | n | pré | pós |
|---|---|---|---|
| pos (gadgets) | 3 | 3 PICKLE_EXECUTED_SINK | 3 REJECT_PICKLE_V2 |
| neg | 3 | malformado / legado | JSON / legado |
| compat | 2 | carregamentos v2 legítimos; JSON ruim malformado | v2 rejeitado; erro de JSON |
Toda citação de linha tem a forma <tag>:L<n> ou <tag>:L<n>-<m>: a(s) linha(s)
real(is) cat -n do diff salvo copiado para sources/:
b21e1c9b → sources/CVE-2026-115878_stanza_b21e1c9b47b4.diff (SHA-256 d5c38c6023732da2881933bb95c4e0ccbbb5fc47bdaa79ef1fc8ae7b26de6bbd)Todos os intervalos citados e o texto que cada um deve conter estão em citations.tsv;
tests/test_citations.py verifica o SHA-256, o texto de cada intervalo, e
que nenhuma citação no repositório está ausente da tabela ou sem uma tag.
Opcionalmente, C9_DIFF=<diff>[:<diff>] (um download novo do diff do commit
upstream) é verificado como byte a byte idêntico à cópia no repositório:
C9_DIFF=/tmp/x.diff PYTHONPATH=src python3 -m unittest -v tests.test_citations. Sem isso, essa verificação é reportada como um
skip explícito; as cópias no repositório são sempre verificadas. Aviso de licença das
cópias: 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 vem de scripts/derive_expected.py, um
scanner de pickletools independente que não importa src/. Apenas a biblioteca padrão
do Python 3.10+. Nada é jamais desempacotado (unpickled).
Um modelo não é um achado. Veja LIMITATIONS.md e SOURCES.md. Licença: Apache-2.0.