CVE-2026-40682

XXE w Apache OpenNLP — ujawnienie plików i SSRF przez parsowanie słowników

CVSS 9.1v3.1pub. 2026-05-04upd. 2026-06-30

Klasa DictionaryEntryPersistor w Apache OpenNLP inicjalizuje parser SAX bez wyłączenia obsługi zewnętrznych encji XML (XXE) oraz deklaracji DOCTYPE. Atakujący dostarczający spreparowany plik słownika może doprowadzić do ujawnienia lokalnych plików lub wykonania żądań po stronie serwera (SSRF).

▸ Pokaż oryginał (EN)

XML External Entity (XXE) via Unsanitized Dictionary Parsing in Apache OpenNLP DictionaryEntryPersistor Versions Affected: before 2.5.9, before 3.0.0-M3 Description: The DictionaryEntryPersistor class initializes a static SAXParserFactory at class-load time without enabling FEATURE_SECURE_PROCESSING or disabling DTD processing. When create(InputStream, EntryInserter) is invoked, the only feature set on the XMLReader is namespace support — external entity resolution and DOCTYPE declarations remain fully enabled. An attacker who can supply a crafted dictionary file (e.g., a stop-word list or domain dictionary) containing a malicious DOCTYPE declaration can trigger local file disclosure via file:// entity references or server-side request forgery via http:// entity references during SAX parsing, before the application processes a single dictionary entry. This is inconsistent with the project's own XmlUtil.createSaxParser() helper, which correctly sets FEATURE_SECURE_PROCESSING and disallow-doctype-decl and is used by all other XML parsing paths in the codebase. The public Dictionary(InputStream) constructor delegates directly to this method and is the documented API for loading user-supplied dictionaries, making untrusted input a realistic scenario. Mitigation: 2.x users should upgrade to 2.5.9. 3.x users should upgrade to 3.0.0-M3. Users who cannot upgrade immediately should ensure that all dictionary files are sourced from trusted origins and should consider wrapping the Dictionary(InputStream) constructor with input validation that rejects any XML containing a DOCTYPE declaration before it reaches the parser.

🤖 Analiza AI

Jak działa

Klasa DictionaryEntryPersistor tworzy statyczną instancję SAXParserFactory podczas ładowania klasy, nie włączając flagi FEATURE_SECURE_PROCESSING ani nie wyłączając przetwarzania DTD. Jedyną funkcją ustawianą na obiekcie XMLReader jest obsługa przestrzeni nazw — rozwiązywanie zewnętrznych encji oraz deklaracje DOCTYPE pozostają w pełni aktywne. Atakujący może osadzić w pliku słownika (np. liście stop-słów lub słowniku domenowym) złośliwą deklarację DOCTYPE zawierającą odwołania do zasobów zewnętrznych: referencje file:// pozwalają odczytać pliki z lokalnego systemu, a referencje http:// powodują inicjowanie żądań sieciowych przez serwer (SSRF) — wszystko to następuje jeszcze przed przetworzeniem jakiegokolwiek wpisu słownika. Pozostałe ścieżki parsowania XML w projekcie korzystają z pomocniczej metody XmlUtil.createSaxParser(), która poprawnie ustawia FEATURE_SECURE_PROCESSING i disallow-doctype-decl — klasa DictionaryEntryPersistor jest jedynym wyjątkiem.

Skutki

Atakujący może uzyskać nieautoryzowany dostęp do poufnych plików lokalnego systemu operacyjnego (np. /etc/passwd) lub wymusić na serwerze wykonywanie żądań HTTP do wewnętrznych zasobów sieciowych (SSRF), co może umożliwić dalsze rozpoznanie infrastruktury lub eskalację ataku.

Mitygacja

Użytkownicy gałęzi 2.x powinni zaktualizować Apache OpenNLP do wersji 2.5.9, a użytkownicy gałęzi 3.x do wersji 3.0.0-M3. Jeśli natychmiastowa aktualizacja nie jest możliwa, należy zapewnić, że wszystkie pliki słowników pochodzą wyłącznie z zaufanych źródeł, oraz rozważyć wdrożenie walidacji wejścia odrzucającej dokumenty XML zawierające deklaracje DOCTYPE przed przekazaniem ich do parsera.

Kogo dotyczy

Apache OpenNLP w wersjach przed 2.5.9 (gałąź 2.x) oraz przed 3.0.0-M3 (gałąź 3.x); podatność dotyczy każdego kodu korzystającego z publicznego konstruktora Dictionary(InputStream) lub metody DictionaryEntryPersistor.create(InputStream, EntryInserter) z niezaufanymi plikami słowników

Uwagi

Podatność dotyczy wyłącznie klasy DictionaryEntryPersistor — wszystkie pozostałe ścieżki parsowania XML w Apache OpenNLP poprawnie korzystają z zabezpieczonej metody XmlUtil.createSaxParser(). Wektor ataku jest realistyczny, ponieważ publiczny konstruktor Dictionary(InputStream) jest udokumentowanym API przeznaczonym do ładowania słowników dostarczanych przez użytkowników.