Shakevsky

توجد مشكلة غير آمنة في عملية إزالة التسلسل في قارئ WebDataset. يمكن للمهاجم تنفيذ تعليمات برمجية عن بُعد من خلال تزويد الدالة `read webdataset()` بأرشيف tar ضار. تقوم الدالة ` default decoder()` الموجودة في ملف webdataset datasource.py باستدعاء الدالة `pickle.loads()` دون قيد أو شرط على إدخالات tar ذات الامتدادات .pkl أو .pickle، كما تستدعي الدالة `torch.load()` مع المعلمة `weights only=False` على الإدخالات ذات الامتدادات .pt أو .pth. ويؤدي ذلك إلى تنفيذ تعليمات برمجية عشوائية داخل عمال Ray عن بُعد على كل عامل يقوم بمعالجة الأرشيف الخبيث. إلغاء التسلسل هو عملية تحويل تنسيق البيانات مرة أخرى إلى كائن، والتي تصبح غير آمنة عند معالجة بيانات غير موثوق بها دون التحقق من صحتها.

تقوم Ray Data بتسجيل أنواع امتدادات Arrow المخصصة (`ray.data.arrow tensor` و`ray.data.arrow tensor v2` و`ray.data.arrow variable shaped tensor`) بشكل عام في PyArrow. عندما يقرأ PyArrow ملف Parquet يحتوي على أنواع الامتدادات هذه، فإنه يستدعي الدالة ` arrow ext deserialize ` على بايتات البيانات الوصفية للحقل. ويقوم التنفيذ بتمرير هذه البايتات مباشرةً إلى `cloudpickle.loads()`، مما يسمح بتنفيذ تعليمات برمجية تعسفية أثناء تحليل المخطط قبل معالجة أي بيانات صفوف. يؤثر هذا على أي عملية تستخدم Ray Data وتقوم بقراءة ملفات Parquet، بما في ذلك تلك التي تستخدم `ray.data.read parquet()` أو `pyarrow.parquet.read table()` أو `pandas.read parquet()`. يمكن للمهاجم استغلال هذه الثغرة عن طريق توفير ملف Parquet مُعد خصيصًا يحتوي على عمود يحمل أحد أسماء أنواع الامتدادات المتأثرة.