Skip to content
KitploitKITPLOIT
FerramentasExploitsBlog
Log in
Enviar
FerramentasExploitsBlog
Enviar

Ferramentas de Hacking, PenTest e Cibersegurança para o seu Arsenal de Segurança!

Kitploit é um diretório de ferramentas de hacking, cibersegurança e pentesting. Descubra as últimas atualizações de projetos para encontrar vulnerabilidades, analisar sistemas, automatizar testes e fortalecer sua segurança.

FeedsContatoPrivacidade© 2026 Kitploit

Diretório de Ferramentas

Categorias

Ver todas as categorias
Loading categories
CVE-2026-57845-hf-datasets-rce — Prova de conceito e patch para CVE-2026-57845: RCE por desserialização de pickle no builder pandas do Hugging Face datasets, com script de reprodução e orientações de remediação. | Kitploit
Ferramentas/GitHubGitHub/saiteja-erukude/cve-2026-57845-hf-datasets-rce
Análise de VulnerabilidadesAnálise de CódigoExploraçãoSegurança da Cadeia de SuprimentosPapers e PesquisaSegurança de IA
GitHubsaiteja-erukude/cve-2026-57845-hf-datasets-rce

CVE-2026-57845-hf-datasets-rce

Prova de conceito e patch para CVE-2026-57845: RCE por desserialização de pickle no builder pandas do Hugging Face datasets, com script de reprodução e orientações de remediação.

Ver Repositório
há 27 diasAinda não revisado
Compartilhar

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

Severidade: Alta, CVSS 3.1 8.8

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

Afetado: todas as versões de datasets do Hugging Face <= 5.1.0

Componente: datasets.packaged_modules.pandas.pandas

CWE: CWE-502 (Desserialização de Dados Não Confiáveis)

Descoberto e reportado por: Sai Teja Erukude


Resumo

As versões de datasets do Hugging Face até a 5.1.0, inclusive, permitem a execução arbitrária de código Python ao carregar arquivos pickle controlados por um atacante por meio do builder empacotado pandas, obsoleto mas ainda registrado.

O builder resolve os data_files fornecidos pelo chamador, abre cada arquivo como bytes e passa o objeto de arquivo diretamente para pandas.read_pickle() antes de converter o resultado em uma tabela Arrow:

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

A desserialização de pickle do Python pode executar código escolhido pelo atacante. Quando uma vítima carrega um conjunto de dados malicioso baseado em pickle com datasets.load_dataset("pandas", data_files=...), o payload é executado com os privilégios do processo da vítima antes da conversão para Arrow ou da validação de features.

Impacto

Um atacante que consiga fazer com que uma vítima carregue um pickle controlado pelo atacante através do builder pandas pode executar código Python arbitrário no processo da vítima.

Isso pode afetar fluxos de trabalho de análise de dados, aprendizado de máquina e automação que carregam conjuntos de dados de projetos, repositórios, downloads ou arquivos compartilhados não confiáveis. O atacante não precisa de privilégios no ambiente da vítima, mas a vítima deve carregar o conjunto de dados malicioso, em conformidade com o requisito de interação do usuário do relatório (UI:R).

Dependendo do ambiente local, isso pode permitir:

  • Ler arquivos, variáveis de ambiente e segredos da aplicação acessíveis ao processo.
  • Modificar arquivos ou dados usados pelo fluxo de trabalho da vítima.
  • Executar operações Python ou programas locais com os privilégios do processo.
  • Interromper o processamento de dados ou esgotar os recursos disponíveis.

Detalhe Técnico

O caminho vulnerável é o builder empacotado pandas:

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(...)

O PoC cria um objeto pickle cujo método __reduce__() especifica um callable que escreve um arquivo marcador local inofensivo e retorna um pandas.DataFrame válido. Durante a desserialização, esse callable é executado antes que o builder converta o DataFrame retornado em uma tabela Arrow. O carregamento do dataset então é concluído normalmente e retorna uma linha.

O runner invoca a API real datasets.load_dataset() do pacote instalado. Um cache local novo e a remoção do marcador anterior garantem que o resultado salvo demonstre a execução durante o carregamento do dataset.

Descontinuar o builder ou validar o DataFrame retornado não impede a execução durante o unpickling. A documentação do pandas também alerta contra o carregamento de dados pickle de fontes não confiáveis.

Prova de Conceito

run_poc.py gera attacker-controlled.pkl, o carrega através do builder pandas e registra evidências de execução.

Execute apenas em um ambiente de teste local. Para reproduzir a versão mostrada na evidência salva no Windows:

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

O requirements.txt incluído atualmente especifica datasets<=5.0.1. Ele pode ser instalado com python -m pip install -r requirements.txt para testar essa faixa anterior, mas não seleciona a instalação 5.1.0 usada nas evidências salvas. A fixação explícita acima reproduz a versão de datasets dessa instalação.

Evidências esperadas na versão vulnerável demonstrada:

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

A evidência importante é que o marcador está ausente antes de load_dataset(), aparece durante o carregamento e contém a string esperada enquanto o carregamento do dataset é concluído com sucesso e retorna a linha esperada.

O efeito de execução do payload é uma escrita local de arquivo marcador:

datasets_pandas_pickle_rce_triggered

O executor também grava os arquivos pickle, cache e evidências gerados. Cada execução substitui attacker-controlled.pkl, marker.txt, cache/ e evidence/ no diretório do PoC; preserve as evidências existentes antes de executá-lo novamente.

Artefatos salvos:

  • Evidência JSON
  • Evidência de execução
  • Vídeo de demonstração

Remediação

A correção pontual substitui todo o corpo de Pandas._generate_tables() por um erro incondicional antes que qualquer arquivo seja aberto ou passado para pandas.read_pickle():

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

O erro explica o risco de execução de pickle e direciona os chamadores para Parquet, Arrow, CSV, JSON ou Dataset.from_pandas() para um DataFrame existente. Isso bloqueia o caminho de execução de código relatado para todos os nomes de arquivo, incluindo pickles confiáveis; não tenta determinar quais arquivos pickle são confiáveis.

O builder permanece registrado e ainda pode ser construído por meio de load_dataset_builder("pandas", ...) ou Pandas(...). A resolução de arquivos e os downloads podem ocorrer antes que a geração da tabela falhe. Com streaming, o erro ocorre quando o dataset é iterado. Um cache Arrow preparado compatível ainda pode ser reutilizado sem chamar _generate_tables() ou fazer unpickle da entrada. Alterar o código-fonte do builder altera seu hash, portanto caches mais antigos podem não corresponder mais automaticamente. Este patch não rejeita o nome do builder em load.py.

Por exemplo, carregue Parquet por meio de seu builder dedicado:

from datasets import load_dataset

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

Os testes de regressão cobrem o carregamento inicial, a iteração em streaming, a geração direta de tabelas, a construção do builder, a reutilização do cache Arrow preparado e os formatos de substituição suportados. Eles verificam que pandas.read_pickle() nunca é alcançado e que a geração direta de tabelas não abre ficheiros. Verificar o tipo de um objeto após o unpickling é demasiado tarde. Renomear um ficheiro, emitir um aviso ou converter um pickle não confiável para outro formato através de um unpickling prévio não resolve o risco de execução.

Baixar ferramenta

Mais Populares

Ver todos →

Descubra as ferramentas mais usadas pela nossa comunidade.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 O kit definitivo de OSINT: grafo de investigação, pontuação de confiança, famílias de alias, mapa, linha do tempo e relatórios. 49 módulos, mais de 400 sites, sem necessidade de chaves de API.

    851
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Aplicativo de Execução em Um Toque GhostLock (CVE-2026-43499)

    538
  • 3

    ARTEX

    baarai/artex

    Plataforma autônoma de testes de penetração multiagente com LLM, com agentes planejador/executor, grafos de ativos e de exploração, registro de tráfego MITM e reteste de vulnerabilidades.

    420
  • 4

    redforge

    cybersecurity91/redforge

    Kit de ferramentas de red team do lado do navegador com 102 ferramentas offline para reconhecimento, geração de payloads, ataques a credenciais, criptografia, codificação e relatórios de engajamento.

    357
  • 5

    looking-glass

    anonghosty/looking-glass

    Plataforma CSIRT que ingere relatórios do Shadowserver no MongoDB e os reproduz como mapas interativos, análises, descobertas, avisos e painéis executivos.

    297
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    O sistema de ação para cibersegurança nativa em IA—onde a intenção se torna execução governada, a evidência se torna memória operacional, e cada operação melhora a próxima.

    280

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →