Stanzaのモデル読込でコード実行|修正版は10月1日に公開

米スタンフォード大学の自然言語処理の研究グループが開発する Python のライブラリ「Stanza」で、学習済みのモデルを読み込むだけで任意のコードが実行される欠陥が、2026年11月3日に CVE-2026-115878 として公開されました。CVE の記録の公開は協定世界時20時26分(日本時間4日5時26分)、GitHub の勧告データベースへの審査済みの掲載は同じ日の20時29分です。問題の場所は、単語を辞書の形(見出し語)に戻す部品 lemmatizer のモデルの読み込みで、深刻度の評価 CVSS 3.1 の基本値は7.8です。
影響を受けるのは、Stanza 1.14.0 で、外から渡された lemmatizer のモデルのファイルを読み込む使い方です。修正は10月1日に公開された 1.15.0 に入っており、開発元のリポジトリの勧告もその日に公開の状態になっていました。CVE の番号が付いて広く配信されたのは、修正から約1か月後です。
カメ先生言語処理の部品のモデルを読み込んだ時点で、ファイルに仕込まれた処理が動く欠陥だ。文章を解析する前、部品を組み立てる段階で起きる。
カメ子PyTorch には、モデルを安全に読み込む設定がありますよね。それでも防げなかったのですか。
カメ先生その設定は有効になっていた。ただ、問題の中身はモデルのファイルの中に、ただのバイト列として包まれていた。安全設定の検査はバイト列を開けずに通し、そのあと Stanza の側が検査なしで中身を戻していた。
カメ子外側の箱は検査されたのに、箱の中の小箱は誰も開けて調べていなかった、ということですね。
- 11月3日、Stanza の lemmatizer のモデルを読み込むと任意のコードが実行される欠陥 CVE-2026-115878 が公開された。CVSS 3.1 は7.8、修正版は10月1日公開の 1.15.0
- 対象は 1.14.0 で、出所を確かめていない lemmatizer のモデルのファイルを、置き場所を指定して読み込む使い方。既定の配布元から取る場合とは条件が異なる
- 悪用の有無、影響を受ける利用者の数、報告を受けた日付は、11月4日の時点で公表されていない。報道も見当たらない
あなたのWebサイトは、AIによる攻撃に耐えられますか?
AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。
11月3日に公開された CVE-2026-115878 と GitHub の勧告
CVE の記録を作ったのは、CVE を割り当てる機関の一つである GitHub です。記録の題は「Stanza:lemmatizer における pickle の復元を通じた遠隔コード実行」で、開発元の勧告 GHSA-gh9r-c94j-cmp5 を元にしています。番号の予約は10月23日の協定世界時19時37分で、公開まで11日かかりました。
記録の説明文によると、1.14.0 から 1.15.0 より前の版では、攻撃者が用意した lemmatizer のチェックポイント(学習済みの重みと設定を保存したファイル)を読み込むと、任意のコードが実行されます。到達するのは推論が始まる前、パイプライン(複数の解析の部品をつないだ処理の流れ)を組み立てる時点です。欠陥の分類(CWE)は、コードの生成の制御の不備(CWE-94)と、信頼できないデータの復元(CWE-502)の2つです。
報告者は GitHub の利用者名 lexdotdev 氏です。リポジトリの勧告を公開したのは、Stanza の保守を担う AngledLuffa 氏でした。米国の CISA は、CVE の記録に独自の評価を付け加えています。悪用は「なし」、自動化できるかは「いいえ」、技術的な影響は「全面的」という内容で、協定世界時22時36分(日本時間4日7時36分)に追加されました。
Stanza と見出し語化の部品 lemmatizer
Stanza は、文の区切り、単語の分割、品詞の付与、見出し語化、係り受けの解析、固有表現の抽出などを、多くの言語で行う Python のライブラリです。リポジトリは2017年9月に作られ、11月4日の時点で星(利用者の評価)は約7,900、派生は965あります。研究のほか、大規模言語モデルに渡す前の文章の前処理や、検索の索引づくりにも使われる種類の部品です。
lemmatizer は、英語の動詞の過去形や進行形を原形に戻すように、文中の単語を辞書に載る形へ戻す部品です。Stanza の lemmatizer は、学習で作った品詞ごとの単語と見出し語の対応表と、対応表に無い単語を推定するニューラルネットワークを組み合わせています。どちらもチェックポイントのファイルに一緒に保存されます。
Stanza の利用者は通常、言語を指定してパイプラインを組み立て、必要なモデルを開発元の配布元から取ってきます。1.13.0 からは、Hugging Face から取る処理が同社の公式の部品を使う形に変わりました。一方で、利用者が自分で学習したモデルや、他者が共有したモデルを、置き場所を直接指定して読み込むこともできます。今回の欠陥に届くのは、この置き場所を指定する読み込みです。
7月15日の1.14.0から11月3日の公開までの経緯
経緯は、リリースノート、プルリクエスト、コミット、PyPI(Python の部品の公開の場)の掲載時刻、CVE の記録から組み立てられます。下の表の時刻は協定世界時(UTC)と日本時間です。
| 日時(UTC/日本時間) | 出来事 |
|---|---|
| 7月15日 1時58分/10時58分 | 1.14.0 が PyPI に公開。lemmatizer の対応表を圧縮して保存する形式に変更 |
| 7月30日 4時41分/13時41分 | 対応表の保存形式を置き換える修正のコミットが書かれる |
| 7月30日 21時55分/31日 6時55分 | プルリクエスト1649が開かれる。本文で勧告を参照 |
| 7月31日 2時42分/11時42分 | プルリクエスト1649が開発用の枝に取り込まれる |
| 10月1日 5時46分/14時46分 | 修正版 1.15.0 が PyPI に公開。リリースノートに安全上の修正として記載 |
| 10月1日 5時55分/14時55分 | リポジトリの勧告 GHSA-gh9r-c94j-cmp5 が公開の状態になる |
| 10月23日 19時37分/24日 4時37分 | CVE-2026-115878 の番号が予約される |
| 11月3日 20時26分/4日 5時26分 | CVE の記録が公開される |
| 11月3日 20時29分/4日 5時29分 | GitHub の勧告データベースに審査済みとして掲載 |
問題の保存形式を入れた 1.14.0 から修正版の 1.15.0 までは78日です。修正そのものは 1.14.0 の公開から16日後の7月31日に開発用の枝へ取り込まれていましたが、利用者に届く版として出たのは、その62日後の10月1日でした。
プルリクエストの本文は7月30日の時点で勧告を参照しており、報告はそれ以前に届いていたことになります。ただし、報告を受けた日付そのものは、勧告にも CVE の記録にも書かれていません。CVE の記録は、発見の経緯を「不明」と記しています。
品詞ごとの対応表を包んだ pickle のバイト列
pickle は、Python のデータをそのままの形でファイルに書き出し、読み戻すための標準の仕組みです。便利な反面、読み戻すときに中に書かれた処理を実行できてしまう性質があります。Python の公式の文書は、pickle の説明の冒頭で「pickle は安全ではない。信頼できるデータだけを復元すること」と警告しています。
勧告によると、1.14.0 の lemmatizer は、品詞ごとの対応表を pickle で書き出し、gzip で圧縮して、その結果のバイト列をチェックポイントの中の1つの値として保存していました。1.14.0 のリリースノートは、この変更の狙いを読み込みの高速化と説明しています。スロベニア語の大きなモデルでは、読み込みが30秒以上から5秒未満に縮んだと書かれています。
読み込みの側では、チェックポイントを開いたあと、このバイト列を展開し、制限をかけずに pickle で復元していました。勧告は、この復元がStanza のコードの中で唯一の、制限のない pickle の復元だったと書いています。報告者は、細工したチェックポイントを読み込ませて、読み込みの時点で命令が実行されることを確かめたと記しています。確かめた組み合わせは、Stanza 1.14.0、PyTorch 2.13.0、CPython 3.13.7 です。
PyTorch の安全設定 weights_only の検査が届かなかった内側
PyTorch のモデルのファイルも、中身は pickle の形式です。そのため PyTorch は、読み込みの設定 weights_only を用意しています。PyTorch の公式の文書によると、この設定を有効にすると、復元の処理が実行できるのは、テンソル(数値の多次元の配列)と一部の基本的な型を組み立てるのに必要なものだけに絞られます。版 2.6 からは、特に指定しなければ有効になります。
Stanza も、外側の読み込みではこの設定を有効にしていました。ところが、品詞ごとの対応表はただのバイト列としてチェックポイントに入っていました。PyTorch から見ると、バイト列は許可された基本的な型の一つで、その中身が何であるかは調べません。CVE の記録は、入れ子のバイト列が「基本的な型として扱われ、許可の一覧による検査を受けない」と書いています。
つまり、外側は PyTorch の検査を通り、内側は Stanza 自身が検査なしで復元する、という二段の作りでした。PyTorch の文書も、weights_only は遠隔からのコード実行の攻撃の面を狭めるもので、すべてを防ぐものではないと書いています。今回の件は、読み込んだ後に利用者の側のコードが何をするかまでは、この設定が及ばないことを示した例です。
推論の前、パイプラインを組み立てる時点で届く経路
勧告によると、問題の復元に届くのは、文書に載っている通常の使い方の範囲です。パイプラインを組み立てるときに lemmatizer のモデルの置き場所を指定すると、その指定がそのまま読み込みの処理に渡り、対応表の復元まで進みます。解析する文章を1文も渡していない段階、部品の準備の途中で処理が動く、という点を勧告と CVE の記録はそろって書いています。
勧告は、届く経路として、置き場所の直接の指定のほかに、共有されたチェックポイント、独自に用意したモデルの配布の一覧を挙げています。さらに、既定の配布元から取ってくる流れには MD5(ファイルの同一性を確かめる値)の照合があるものの、呼び出し側が指定した置き場所のファイルには照合がかからないと書いています。
一方、勧告に載る概念実証は、復元の処理を直接呼び出して命令の実行を確かめたものです。パイプラインの組み立てから復元までの通り道は、報告者がソースコードを読んで確かめたと勧告は断っています。パイプラインを通して最後まで動かした確認の結果は、勧告には載っていません。
影響を受ける版と使い方
影響を受けるのは 1.14.0 です。勧告によると、対応表を pickle のバイト列として包む保存形式が入ったのは 1.14.0 で、1.13.0 までは別の形式でした。1.15.0 では保存形式が改められています。PyPI の記録では、1.14.0 と 1.15.0 の間に公開された版はありません。
CVSS の評価は、攻撃の起点を「手元」、利用者の操作を「必要」としています。外から通信を送るだけで突ける欠陥ではなく、細工されたモデルのファイルを、利用者や仕組みが読み込むことが条件です。開発元が配布する既定のモデルを、既定の手順で取ってきて使うだけの場合について、勧告は経路として挙げていません。
条件に当てはまりうるのは、次のような使い方です。他者が共有した lemmatizer のモデルを試す場合、利用者から渡されたモデルを読み込んで解析の仕組みを組み立てるサービス、モデルの置き場所を設定のファイルや外部の入力で切り替えられる作りです。モデルを置くフォルダーに、他の利用者や他の仕組みが書き込める場合も、ファイルの差し替えで同じ条件がそろいます。読み込んだ処理は、読み込んだ利用者の権限で動きます。
「1.14.0から」と「= 1.14.0」、表記の違いと版の並び
影響を受ける版の書き方は、記録によって少しずつ異なります。CVE の説明文は「1.14.0 から 1.15.0 より前」、CVE の記録の影響範囲の欄は「= 1.14.0」、リポジトリの勧告は「==1.14.0」、GitHub の勧告データベースは「= 1.14.0」で、修正版はいずれも 1.15.0 です。1.14.0 と 1.15.0 の間に版が無いため、指している範囲は同じです。
ずれが見えるのは、修正に添えられた試験のコードの説明です。そこでは、問題の保存形式が「1.13.0 で短期間使われ、1.14.0 で置き換えられた」と書かれています。一方、同じ修正で書き直された変換用の道具の説明は、形式の変遷を「1.13 まで旧形式、1.14 で pickle の形式、1.15 から新形式」と書いており、勧告とリリースノートもこちらと合っています。試験の説明の版の記載は、勧告とリリースノートの記載と食い違っています。
1.14.0 のリリースノートは、1.13.0 で作った lemmatizer のモデルは 1.14.0 と互換性がないとして、取り直しか変換を求めていました。この点からも、新しい保存形式が入ったのは 1.14.0 と読めます。影響の範囲を判断するときは、CVE の記録と勧告の表記に従うのが記録どうしで一貫しています。
深刻度7.8の内訳と CISA の評価
CVSS 3.1 の評価の内訳は、攻撃の起点が「手元」、攻撃の難しさが「低」、必要な権限が「なし」、利用者の操作が「必要」、影響の範囲は「変更なし」です。機密性・完全性・可用性への影響は、いずれも最も高い「高」です。基本値は7.8で、区分は「重要」に当たります。GitHub の勧告データベースの区分も「高」です。
攻撃の起点が「手元」とされたのは、細工したファイルを読み込ませる形の欠陥だからです。同じ Stanza の6月の欠陥 CVE-2026-54499 は、起点を「ネットワーク」、難しさを「高」として7.5でした。起点と難しさの見立てが逆向きにずれ、基本値はほぼ同じ水準に並んでいます。
CISA が付けた評価では、悪用は「なし」でした。6月の CVE-2026-54499 には、同じ欄で「概念実証あり」と付けていました。今回の勧告の本文にも、報告者が試験で確かめた概念実証が載っています。11月3日の時点で CISA が今回を「なし」とした理由は、記録からは分かりません。GitHub の勧告データベースの項目では、11月4日の時点で NVD の掲載時刻は空欄です。
1.15.0の修正、pickle から orjson への置き換え
修正を担ったプルリクエスト1649の題は lemmatizer の安全を示す短いもので、本文は「pickle の使用が安全でない lemmatizer の安全上の穴をふさぐ。代わりに orjson を使う」と書いています。orjson は、JSON(データの受け渡しに広く使われる文字の形式)を速く読み書きする Python の部品です。JSON は数値や文字列などのデータだけを表し、復元のときに処理を実行する仕組みを持ちません。
コミットの説明は、Python に組み込みの JSON の処理は pickle よりかなり遅く、orjson はその両方より速いと、部品を選んだ理由を書いています。修正は5つのファイルにまたがり、87行の追加と22行の削除です。Stanza が必ず入れる部品の一覧に orjson が加わりました。
報告者は勧告の中で、Stanza が別の場所で既に使っている、復元できる型を絞った pickle の読み込みに差し替える方法と、JSON に置き換える方法の2つを示していました。開発元は後者を選び、この経路から pickle をなくしました。1.15.0 のリリースノートは「安全上の修正」の欄に、pickle による lemmatizer のモデルの保存を orjson に置き換えたと、勧告の番号付きで記載しています。
1.14.0の形式のモデルは1.15.0で読み込めない
1.15.0 は、保存形式に新しい版の番号を振り、1.14.0 の形式(pickle を使う形式)のモデルを読み込もうとすると、誤りとして止める作りになりました。誤りの文は、安全上の理由でこの形式には対応しなくなったとして、モデルの取り直しか、変換用の道具での変換を求めます。修正には、この形式が読み込めなくなったことを確かめる試験も加わりました。
1.15.0 のリリースノートによると、開発元が配布する単語分割、品詞、lemmatizer などのモデルは、すべて作り直されています。既定の配布元から取り直す利用者は、新しい形式のモデルを受け取ることになります。影響が出るのは、1.14.0 で自分で学習したり、他者から受け取ったりした lemmatizer のモデルを手元に持つ利用者です。
変換用の道具は、1.14.0 の形式のモデルを新しい形式に書き換えます。ただし、修正後のコードを見ると、道具は古い形式の中身を読むときに、従来と同じ制限のない pickle の復元を使っています。出所の分からないモデルを変換にかけると、その時点で同じ問題に当たる作りです。開発元は、この点について勧告やリリースノートで触れていません。
修正から CVE まで約1か月、報道は見当たらない
リポジトリの勧告は、記録上、1.15.0 の公開から約9分後の10月1日に公開の状態になっていました。1.15.0 のリリースノートからも勧告へのつながりが示されていました。一方、CVE の番号の予約は10月23日、CVE の記録と GitHub の勧告データベースへの審査済みの掲載は11月3日でした。脆弱性の情報を CVE や GitHub の勧告データベース経由で受け取る仕組みには、修正から約1か月遅れて届いたことになります。
GitHub の勧告データベースの項目では、掲載の時刻と審査の時刻がともに11月3日20時29分です。依存する部品の欠陥を知らせる道具の多くは、このデータベースや CVE を元に通知を出します。リポジトリの勧告は10月23日にも更新されており、CVE の予約と同じ時間帯でした。更新の中身は記録からは読み取れません。
11月4日の検索では、この件を取り上げた報道は見当たりませんでした。検索で見つかったのは6月の CVE-2026-54499 を扱う脆弱性情報のまとめの場ばかりでした。このため、報道と発表の食い違いはありません。記録どうしの差として残るのは、上で触れた試験の説明の版の記載と、勧告の公開時刻が2つあることです。
6月の CVE-2026-54499 と1.14.0の安全上の修正
Stanza のモデルの読み込みで pickle が問題になったのは、今回が初めてではありません。6月の CVE-2026-54499(勧告 GHSA-v5jw-96jm-7h2c)では、1.12.2 より前の版のモデルの読み込みが、安全設定を有効にした読み込みに失敗すると、安全設定を外して読み直す作りになっていました。細工したファイルで失敗を起こせば、制限のない読み込みに切り替えられた、という内容です。
開発元は6月3日の 1.12.2 で、安全設定を外す読み込みの経路をすべてのモデルから取り除きました。リリースノートは、古い形式のモデルは読み込めなくなる場合があるとして、旧版で読み込んで保存し直すよう案内しています。今回の勧告は、CVE-2026-54499 で直した経路とは別物で、外側の読み込みは安全なまま、問題は内側の pickle だけだと明記しています。
7月の 1.14.0 は、題に「安全上の修正」を掲げた版でした。リリースノートには3件の安全上の修正があります。モデルの圧縮ファイルを展開するときにフォルダーの外へ書き出せてしまう欠陥(Zip Slip)の修正、解析結果の文書を復元するときの pickle の読み込みを絞る修正、学習用のデータを作る道具からシェルの呼び出しを外す修正です。同じ版で、lemmatizer の対応表に制限のない pickle を使う新しい保存形式が入りました。
Hugging Face と Python の文書が示す pickle の扱い
pickle の形式のモデルのファイルを読み込むとコードが動きうることは、機械学習のモデルの共有で以前から指摘されてきました。Hugging Face は、公開の場に上げられたファイルを検査する仕組みを文書で説明しています。ウイルス対策の ClamAV による検査と、pickle のファイルが参照する読み込み先の一覧を取り出す検査の2つです。
同社の文書は、ClamAV の検査は多くの危険なファイルを拾うものの、pickle を使った攻撃には及ばないと書いています。pickle の検査は、ファイルに書かれた読み込み先の一覧を表示し、怪しいものを目立たせる仕組みです。同社は、処理を含まない保存形式として safetensors を勧めています。
今回の Stanza の件は、外側のファイルの中に、圧縮したバイト列として別の pickle が入っている形でした。外側だけを調べる検査では、内側の中身は値として見えるだけです。Python の文書は、信頼できないデータの受け渡しには JSON のようなより安全な形式が向く場合があると書いており、開発元の修正はこの方向に沿っています。
現時点で分かっていないこと
11月4日の朝(日本時間)の時点で、勧告、CVE の記録、リリースノート、リポジトリの記録のいずれにも、次の点の答えはありません。
1つ目は、悪用の有無です。勧告と CVE の記録は悪用の報告に触れておらず、CISA の評価は「なし」です。2つ目は、影響を受ける利用者の数です。1.14.0 がどれだけ入っているか、そのうち外から受け取ったモデルを読み込む使い方がどれだけあるかを示す数字はありません。3つ目は、開発元が報告を受けた日付です。プルリクエストの本文から7月30日より前とは分かりますが、正確な日付は公表されていません。
4つ目は、修正の取り込みから 1.15.0 の公開まで62日、さらに CVE の公開まで33日かかった事情です。開発元はこれを説明していません。5つ目は、Hugging Face などの公開の場の検査が、圧縮されたバイト列の内側の pickle まで調べるかどうかです。6つ目は、1.14.0 の形式の細工されたモデルが、既に共有の場に出回っているかどうかです。7つ目は、変換用の道具に残る制限のない復元を、開発元が今後改めるかどうかです。
開発元と GitHub が示していること
開発元の勧告と CVE の記録は、修正版を 1.15.0 と示し、プルリクエスト1649、修正のコミット、1.15.0 のリリースを参照先に挙げています。1.15.0 のリリースノートは、安全上の修正として lemmatizer の保存形式の置き換えを載せています。
1.15.0 では、1.14.0 の形式の lemmatizer のモデルは読み込めません。開発元は誤りの文の中で、モデルを取り直すか、変換用の道具で新しい形式に変換するよう求めています。1.12.2 の際のリリースノートでも、開発元は配布するモデルは既に対応済みだとして、古いモデルを持つ利用者に保存し直しを求めていました。
勧告の本文は、どの使い方で欠陥に届くかを、置き場所の指定、共有されたチェックポイント、独自の配布の一覧という形で示しています。利用者に向けた案内を別の文書にまとめたものは、11月4日の時点で見当たりません。詳しい条件は、開発元の勧告と CVE の記録にあります。
- 2026年11月4日の朝(日本時間)に、開発元の勧告(リポジトリと GitHub の勧告データベース)、CVE の記録、プルリクエスト1649と修正のコミット、1.12.2 から 1.15.0 までのリリースノート、PyPI の掲載、PyTorch・Python・Hugging Face の文書を確認して書いています。
- NVD の分析は未掲載です。NVD の評価や勧告の更新で、影響を受ける版・評価・条件の説明が変わる可能性があります。
まとめ
11月3日、Stanza の lemmatizer のモデルの読み込みで任意のコードが実行される欠陥 CVE-2026-115878 が公開されました。1.14.0 は、品詞ごとの対応表を pickle のバイト列としてチェックポイントに包み、読み込みのときに制限なく復元していました。PyTorch の安全設定 weights_only は外側には効いていましたが、内側のバイト列は検査しませんでした。CVSS 3.1 は7.8です。
修正は10月1日の 1.15.0 で、対応表の保存を orjson による JSON に置き換えました。1.14.0 の形式のモデルは読み込めなくなり、取り直しか変換が必要です。リポジトリの勧告は10月1日に公開の状態でしたが、CVE と GitHub の勧告データベースへの掲載は約1か月後の11月3日でした。
悪用の有無、影響を受ける利用者の数、報告を受けた日付、修正から公開までの間が空いた事情は分かっていません。報道は11月4日の時点で見当たりません。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
あなたのWebサイトは、AIによる攻撃に耐えられますか?
AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。
