CVE-2025-30065: Apache Parquet Schema Deserialization RCE

Eine Remote-Code-Execution-Schwachstelle mit maximaler Schwere in der Java-Bibliothek von Apache Parquet erlaubt Angreifern, auf jedem System, das eine bösartig präparierte Parquet-Datei liest, beliebigen Code auszuführen. CVSS 10.0. Betrifft praktisch jede Big-Data-Pipeline, die das Parquet-Format nutzt — Spark, Flink, Hive und Cloud-Data-Warehouses.

Was ist CVE-2025-30065?

Apache Parquet ist ein spaltenorientiertes Speicherformat, das in Big-Data-Ökosystemen weit verbreitet ist. Das parquet-avro-Modul enthält in Versionen bis 1.15.0 eine Deserialisierungs-Schwachstelle im Schema-Parsing-Code. Wenn eine Java-Anwendung eine Parquet-Datei mit einem präparierten Avro-Schema liest, deserialisiert der Parser angreiferkontrollierte Klassenreferenzen, was zu beliebiger Code-Ausführung im Kontext der lesenden Anwendung führt.

Dies ist besonders gefährlich, weil Daten-Pipelines routinemäßig Parquet-Dateien aus externen Quellen einlesen: S3-Buckets, Datenpartner, Nutzer-Uploads, ETL-Integrationen. Jede Pipeline, die nicht vertrauenswürdige Parquet-Dateien verarbeitet, ist verwundbar.

Betroffene Systeme

Technische Details

Die Schwachstelle befindet sich in der Klasse AvroSchemaConverter innerhalb von parquet-avro. Beim Konvertieren des Parquet-Schemas in ein Avro-Schema verarbeitet der Code Schema-Metadaten, die beliebige Klassennamen enthalten können. Diese Klassennamen werden in einer reflektiven Instanziierung ohne Allowlist-Validierung verwendet.

# Conceptual representation of vulnerable code path
public Schema convert(MessageType parquetSchema) {
    // Schema metadata can contain attacker-controlled strings
    String javaClass = parquetSchema.getField("java_class");
    // Dangerous: instantiates arbitrary class from string
    Class clazz = Class.forName(javaClass);  // RCE here
    return clazz.newInstance();
}

# Crafted Parquet file with malicious schema (conceptual)
{
  "schema": {
    "type": "record",
    "name": "exploit",
    "fields": [],
    "java_class": "com.sun.org.apache.xalan.internal.xsltc.trax.TemplatesImpl",
    "avro.java.string": "[base64-encoded malicious bytecode]"
  }
}

Gadget-Chain-Ausnutzung

Der Angreifer erstellt eine Parquet-Datei, in der die Avro-Schema-Metadaten auf eine Java-Gadget-Chain verweisen — eine Abfolge von Klasseninstanziierungen, die letztlich zu beliebiger Code-Ausführung führt. Commons Collections, Spring Framework und andere gängige Java-Bibliotheken liefern geeignete Gadget-Chains für diesen Angriff.

Wer ist exponiert

Jede Java-Anwendung, die:

• nutzt parquet-avro Version 1.15.0 oder früher
• Parquet-Dateien aus externen oder potenziell nicht vertrauenswürdigen Quellen liest
• keine Validierung der Dateiquelle implementiert hat

Zu den Hochrisiko-Umgebungen gehören:

• Data Lakes: S3/GCS/ADLS-Buckets, die Partnerdaten einlesen
• Analytics-Plattformen: Self-Service-Datenupload-Funktionen
• ETL-Pipelines: Jede Pipeline, die aus externen Datenquellen liest
• Daten-Marktplätze: Plattformen, die Parquet-Datensätze verteilen
• ML-Trainings-Pipelines: Einlesen von Trainingsdaten aus externen Quellen

Mitigation

1. parquet-java auf 1.15.1+ upgraden: Der Fix fügt eine Allowlist-Validierung für Klassennamen in Schema-Metadaten hinzu
2. Parquet-Dateiquellen auditieren: Inventarisieren Sie alle Orte, an denen Parquet-Dateien in Ihre Umgebung gelangen
3. Dateiquellen-Validierung implementieren: Verarbeiten Sie nur Parquet-Dateien aus kryptografisch verifizierten Quellen
4. Daten-Pipelines mit minimalen Rechten betreiben: Begrenzen Sie den Blast-Radius, indem Pipeline-Ausführungsrollen Least-Privilege-IAM-Policies erhalten
5. Netzwerk-Egress-Beschränkungen: Datenverarbeitungs-Cluster sollten eingeschränkten ausgehenden Internetzugang haben, um den Post-Exploitation-Impact zu begrenzen
6. Java-Deserialisierungs-Schutz einsetzen: Tools wie SerialKiller bieten Defense-in-Depth gegen Deserialisierungs-Angriffe

KENSAI-Erkennungsfähigkeit

• Dependency-Scanning: Der SCA-Scanner von KENSAI identifiziert parquet-avro-Versionen <= 1.15.0 in Java-Anwendungs-Abhängigkeiten und Maven/Gradle-Build-Dateien
• Container-Image-Scanning: Erkennt verwundbare JAR-Dateien in Docker-Images und Kubernetes-Deployments
• Pipeline-Exposure-Assessment: Identifiziert Daten-Pipelines mit extern gerichteten Parquet-Ingestion-Endpoints
• Cloud-Asset-Inventar: Kartiert EMR-Cluster, Databricks-Workspaces und andere Datenverarbeitungs-Infrastruktur zur Versionsbewertung