Travessia de caminho no tarfile.extractall do Python (CVE-2007-4559): como acontece e como corrigir

Conceitos Centrais e Termos

CVE-2007-4559

O módulo tarfile do Python não impedia que nomes de membros saíssem do diretório de extração. O problema era conhecido desde 2007, e em 2022 a Trellix estimou que cerca de 350 mil projetos de código aberto chamavam extractall() em arquivos não confiáveis.

Nomes de membro com .. ou caminhos absolutos

Uma entrada tar chamada ../outside.txt ou /etc/cron.d/job resolve para fora do destino quando é juntada a ele. Sem filtro, extractall() grava nesse caminho resolvido com as permissões do processo.

Membros que são links simbólicos ou físicos

Um arquivo compactado pode primeiro criar dentro do destino um link que aponta para outro lugar e depois gravar um arquivo comum através dele. Verificar só os nomes não pega isso, e por isso os filtros também inspecionam o alvo dos links.

Filtros de extração (PEP 706)

filter="data" rejeita nomes absolutos, escapes com .., links que saem do destino e arquivos de dispositivo, e remove os bits set-user-ID e de execução para outros. Ele existe a partir do Python 3.12 e nas versões de segurança do 3.8 ao 3.11, e passa a ser o padrão no Python 3.14.

Limites de recursos

Os filtros não limitam tamanho. Um arquivo compactado pequeno pode se expandir em milhões de membros ou muitos gigabytes, então conte os membros e o tamanho total antes de extrair.

Fluxo de Ataque Passo a Paso

Código-Fonte: Vulnerável vs. Seguro

# imports.py: cada membro vai para onde o nome guardado apontar
import tarfile
from pathlib import Path

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


# pasta escolhida por quem chama, sem filtro, sem limites de tamanho
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, pasta com nome do servidor e limites de tamanho
import tarfile
import uuid
from pathlib import Path

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


# rejeita arquivos com membros ou bytes demais
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' bloqueia .., nomes absolutos, links para fora e arquivos 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 Verificação de Segurança para Engenharia

• Passe filter="data" em toda chamada a extractall() e extract(), e falhe o CI quando o Bandit B202 ou uma regra Semgrep encontrar uma sem filter=.
• Extraia numa pasta nova com nome definido pelo servidor, como um UUID, nunca num caminho montado com dados da requisição.
• Verifique a quantidade de membros e o tamanho total descompactado antes de extrair, e rejeite arquivos acima dos limites.
• Rode o worker de extração com um usuário sem permissão de escrita no código ou na configuração da aplicação.
• Adicione um teste no CI com um arquivo que contenha ../outside.txt e um membro com caminho absoluto, esperando tarfile.FilterError.

Fontes

• 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