Podatności Apache OpenNLP

Wbudowane wzorce wyszukiwania nazw EMAIL i URL w Apache OpenNLP zawierają niejednoznaczne zagnieżdżone kwantyfikatory, co umożliwia atak ReDoS. Przygotowany tekst wejściowy może wywołać superliniowe cofanie (backtracking) lub rekurencję matchera, prowadząc do wyczerpania CPU lub błędu StackOverflowError. Podatność dotyczy wersji od 2.0.0 do 2.5.11 oraz od 3.0.0-M1 do 3.0.0-M5.

W Apache OpenNLP w module libsvm dokumentacji kategorii (linia 3.x) wykryto podatność na niezaufaną deserializację Java. Metoda SvmDoccatModel.deserialize(InputStream) używa java.io.ObjectInputStream bez filtra, co pozwala atakującemu na zdalne wykonanie kodu poprzez spreparowany strumień.

W Apache OpenNLP przed wersjami 1.9.5, 2.5.9 i 3.0.0-M3, metoda ExtensionLoader.instantiateExtension() ładuje klasę na podstawie nazwy z pliku manifest.properties archiwum modelu za pomocą Class.forName() przed sprawdzeniem, czy klasa jest zgodna z oczekiwanym interfejsem. Pozwala to atakującemu na wykonanie statycznego inicjalizatora dowolnej klasy dostępnej w classpath podczas ładowania modelu, co może prowadzić do niepożądanych efektów ubocznych.

W bibliotece Apache OpenNLP wykryto podatność XML External Entity (XXE) w klasie DictionaryEntryPersistor. Klasa ta inicjalizuje parser SAX bez włączenia bezpiecznego przetwarzania (FEATURE_SECURE_PROCESSING) i bez wyłączenia obsługi DTD, co pozwala atakującemu na wstrzyknięcie złośliwej deklaracji DOCTYPE w pliku słownika. Skutkuje to możliwością ujawnienia lokalnych plików (file://) lub wykonania żądań po stronie serwera (SSRF) przez referencje http:// podczas parsowania XML.

Podatność w Apache OpenNLP (rozszerzenie opennlp-spellcheck, wersje 3.0.0-M4 i 3.0.0-M5) pozwala na atak typu Denial of Service poprzez wyczerpanie pamięci. Metoda SymSpellModelSerializer.create() odczytuje pola liczby unigramów i bigramów z pliku modelu i przekazuje je bezpośrednio do wstępnego rozmiarowania mapy bez górnego limitu, co przy spreparowanym pliku .bin powoduje próbę alokacji 4–8 GB i błąd OutOfMemoryError.

W Apache OpenNLP przed wersjami 2.5.10 i 3.0.0-M5 wykryto podatność umożliwiającą dowolną instancję klas. Atakujący może dostarczyć spreparowany model lub nazwę formatu, co prowadzi do załadowania i wykonania kodu z niebezpiecznych klas.

W Apache OpenNLP przed wersjami 1.9.5, 2.5.9 i 3.0.0-M3 odkryto podatność na atak DoS polegający na wyczerpaniu pamięci (OOM). Metody getOutcomes(), getOutcomePatterns() i getPredicates() w klasie AbstractModelReader alokują tablice na podstawie 32-bitowej liczby całkowitej z pliku modelu bez walidacji, co pozwala atakującemu na podanie wartości Integer.MAX_VALUE i spowodowanie natychmiastowego błędu OutOfMemoryError.