Direct naar de inhoud
⚡ Kritieke cyberalerts voor jouw sector & systemen — direct in je inbox. Aanmelden →
cybernieuws.nl Cybersecurity en informatiebeveiling nieuws alerts live · 4 min 122 bronnen 1 kritiek 6 vandaag
CVE's Videos Dagbriefing

← Terug naar CVE-database

CVE-2026-72818

HIGH · 7.5 CVSS Gepubliceerd: CWE-1333

Beschrijving NL

De reguliere expressie van URL'S in nltk/tokenize/casual.py, gecompileerd in TweetTokenizer.WORD_RE en toegepast door TweetTokenizer.tokenize, bevat een naakte domeintak waarvan het domeinlabelvoorvoegsel [a-z0-9]+(?:[.-][a-z0-9]+)* onbegrensd is. Invoer die bestaat uit vele afwisselende labelafscheiders kan op exponentieel vele manieren worden gepartitioneerd, en omdat de tak ook een trailing top-level domein vereist dat een dergelijke invoer nooit levert, onderzoekt de motor die partities voordat deze bij elke offset falen. Een paar kilobytes invoer verbruikt daarom seconden tot minuten single-threaded CPU, en de HANG_RE-substitutie die wordt uitgevoerd voordat het patroon wordt vergeleken, doet het patroon niet instorten. TweetTokenizer is bedoeld voor het tokeniseren van onbetrouwbare sociale-mediatekst, dus elke service die deze toepast, of het module-niveau casual_tokenize, op ingediende tekst kan per verzoek zonder authenticatie worden gestopt. Versie 3.10.1 begrenst de etiketherhaling.

Origineel (Engels) tonen

The URLS regular expression in nltk/tokenize/casual.py, compiled into TweetTokenizer.WORD_RE and applied by TweetTokenizer.tokenize, contains a naked-domain branch whose domain-label prefix [a-z0-9]+(?:[.-][a-z0-9]+)* is unbounded. Input consisting of many alternating label separators can be partitioned in exponentially many ways, and because the branch also requires a trailing top-level domain that such input never supplies, the engine explores those partitions before failing at each offset. A few kilobytes of input therefore consumes seconds to minutes of single-threaded CPU, and the HANG_RE substitution performed before matching does not collapse the pattern. TweetTokenizer is intended for tokenizing untrusted social-media text, so any service that applies it, or the module-level casual_tokenize, to submitted text can be stalled per request without authentication. Version 3.10.1 bounds the label repetition.

References