Salto de directorios en tarfile.extractall de Python (CVE-2007-4559): cómo ocurre y cómo corregirlo

Conceptos Clave y Términos

CVE-2007-4559

El módulo tarfile de Python no impedía que los nombres de los miembros salieran del directorio de extracción. El problema se conocía desde 2007, y en 2022 Trellix calculó que unos 350.000 proyectos de código abierto llamaban a extractall() sobre archivos no confiables.

Nombres de miembro con .. o rutas absolutas

Una entrada tar llamada ../outside.txt o /etc/cron.d/job se resuelve fuera del destino al unirla con él. Sin filtro, extractall() escribe en esa ruta resuelta con los permisos del proceso.

Miembros que son enlaces simbólicos o duros

Un archivo comprimido puede crear primero dentro del destino un enlace que apunta a otro lugar y luego escribir un fichero normal a través de él. Comprobar solo los nombres no lo detecta, por eso los filtros también revisan el destino de los enlaces.

Filtros de extracción (PEP 706)

filter="data" rechaza nombres absolutos, escapes con .., enlaces que salen del destino y archivos de dispositivo, y elimina los bits set-user-ID y de ejecución para otros. Está disponible desde Python 3.12 y en las versiones de seguridad de 3.8 a 3.11, y pasa a ser el valor por defecto en Python 3.14.

Límites de recursos

Los filtros no limitan el tamaño. Un archivo comprimido pequeño puede expandirse en millones de miembros o muchos gigabytes, así que cuenta los miembros y el tamaño total antes de extraer.

Flujo de Ataque Paso a Paso

Código Fuente: Vulnerable vs. Seguro

# imports.py: cada miembro va adonde apunte su nombre guardado
import tarfile
from pathlib import Path

UPLOAD_ROOT = Path("/srv/app/imports")


# carpeta elegida por quien llama, sin filtro, sin límites de tamaño
def import_bundle(archive_path: str, job_id: str) -> Path:
    dest = UPLOAD_ROOT / job_id
    dest.mkdir(parents=True, exist_ok=True)
    with tarfile.open(archive_path) as tar:
        tar.extractall(dest)
    return dest

# imports.py: filtro data, carpeta con nombre del servidor y límites de tamaño
import tarfile
import uuid
from pathlib import Path

UPLOAD_ROOT = Path("/srv/app/imports")
MAX_MEMBERS = 10_000
MAX_TOTAL_BYTES = 500 * 1024 * 1024


# rechaza archivos con demasiados miembros o bytes
def check_limits(tar: tarfile.TarFile) -> None:
    members = tar.getmembers()
    if len(members) > MAX_MEMBERS or sum(m.size for m in members) > MAX_TOTAL_BYTES:
        raise ValueError("archive too large")


# filter='data' bloquea .., nombres absolutos, enlaces hacia fuera y archivos de dispositivo
def import_bundle(archive_path: str) -> Path:
    dest = UPLOAD_ROOT / uuid.uuid4().hex
    dest.mkdir(parents=True)
    with tarfile.open(archive_path, mode="r:*") as tar:
        check_limits(tar)
        tar.extractall(dest, filter="data")
    return dest

Lista de Verificación de Seguridad para Ingeniería

• Pasa filter="data" en cada llamada a extractall() y extract(), y haz fallar la CI cuando Bandit B202 o una regla de Semgrep encuentren una sin filter=.
• Extrae en una carpeta nueva con nombre elegido por el servidor, como un UUID, nunca en una ruta construida con datos de la petición.
• Comprueba el número de miembros y el tamaño total sin comprimir antes de extraer, y rechaza los archivos que superen los límites.
• Ejecuta el proceso de extracción con un usuario sin permiso de escritura sobre el código o la configuración de la aplicación.
• Añade una prueba en CI con un archivo que contenga ../outside.txt y un miembro con ruta absoluta, y espera tarfile.FilterError.

Fuentes

• CWE-22: Improper Limitation of a Pathname to a Restricted Directory
• NVD — CVE-2007-4559 (Python tarfile)
• PEP 706 — Filter for tarfile.extractall
• Python docs — tarfile extraction filters