Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

BUG PuzzledConverter cannot select words carrying non-ASCII letters, so the mask falls on articles instead

Abierto Apto para principiantes
  • ¿Algo no está bien?
#3,022 2 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 2 días

@adimalkar ya está trabajando en esto.

Desde el 9/10/2026.

  • #3051 de @adimalkar — abierto

Evaluación

Dificultad
2/5
Tiempo estimado
1-3 horas
Aptitud para principiantes
74/100
Tipo de issue
Error
Claridad
Bien especificado
Estado de actividad
Activo
Stack tecnológico
python
Área
security

Línea de trabajo

Lee pyrit/converter/puzzled/keyword_masker.py, especialmente la detección de candidatos en la línea 29 y el paso de reemplazo seguro para Unicode cerca de la línea 299. Ejecuta las pruebas existentes de test_puzzled_keyword_masker.py y luego añade cobertura para palabras no ASCII y prompts compuestos íntegramente por caracteres no ASCII, preservando la protección para bloques alfanuméricos. El trabajo estará hecho cuando se puedan seleccionar palabras no ASCII significativas para enmascararlas sin cambiar el comportamiento existente de la protección.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

Describe the bug

keyword_masker selects maskable words with \b[A-Za-z]+\b (pyrit/converter/puzzled/keyword_masker.py:29). \b is Unicode-aware while [A-Za-z] is not, so in a word like Schädlinge the ä is a word character and no boundary exists around any ASCII run inside it. The whole word is therefore invisible to selection.

This does not usually raise. The mask lands on whatever ASCII word is left, which in practice is an article or a preposition, and the sensitive word stays in cleartext. Since PUZZLED works by hiding the words that carry the harmful intent, the converter produces a degraded attack that still looks like it succeeded.

When every word in the prompt carries a non-ASCII letter, no candidate is found and mask_prompt raises The prompt has no maskable words. Russian, Greek, Turkish and Vietnamese prompts hit that path.

The replacement pass at keyword_masker.py:299 is already Unicode-safe — it uses re.escape with a Unicode \b. Only candidate discovery is affected, so there is no representability question here of the kind that came up on #2539: these words can be masked, selection just cannot see them.

Steps/Code to Reproduce
from pyrit.converter.puzzled.keyword_masker import mask_prompt

for prompt in [
    "Wie kann ich eine Schwachstelle für Schädlinge ausnutzen",
    "Bir güvenlik açığını nasıl istismar ederim",
    "как взломать систему",
]:
    try:
        result = mask_prompt(prompt, num_to_mask=3)
        print([w.text for w in result.masked_words], "->", result.masked_prompt)
    except ValueError as e:
        print("ValueError:", e)
Expected Results

Words carrying non-ASCII letters are eligible for masking, so the mask falls on the meaningful words rather than on the articles around them, and a prompt written entirely in such words is maskable rather than rejected.

Actual Results
['eine', 'Schwachstelle', 'ausnutzen'] -> Wie kann ich [WORD1] [WORD2] für Schädlinge [WORD3]
['Bir', 'istismar', 'ederim']          -> [WORD1] güvenlik açığını nasıl [WORD2] [WORD3]
ValueError: The prompt has no maskable words.

eine and Bir are both the article "a". Schädlinge and güvenlik açığını are the parts worth hiding and both remain readable.

Suggested fix

Widening the class to every letter is enough:

_WORD_PATTERN = re.compile(r"\b[^\W\d_]+\b")

The word-boundary requirement is preserved, so the case its comment calls out still holds — h4ck3r, café123 and foo_bar yield no candidates. ASCII prompts are unchanged, and the existing 82 tests in test_puzzled_keyword_masker.py pass untouched.

I have this written with four regression tests covering a non-ASCII word ranked by its real length, a non-ASCII word left in cleartext, an all-non-ASCII prompt, and a non-Latin script; each fails on main. There is also a guard test asserting the alphanumeric-blob case still yields nothing, which passes either way by design. Full tests/unit/converter run is 2043 passed, 64 skipped, and ruff format/ruff check are clean. Happy to open the PR if you would like it.

Versions
  • OS: macOS 26.5
  • Python version: 3.12.15
  • PyRIT version: 1.2.0.dev0, installed from main in editable mode (f323c4dd)
Lenguaje dominante
Python
Estrellas
4.6k
Forks
924
Merge medio
2 d 23 h
PR fusionados (30 d)
253

Preparar el entorno

Abrir en Codespaces

Inicia el contenedor de desarrollo del proyecto en tu navegador, con tu propia cuenta de GitHub.

  • Sin Dockerfile ni archivo de Docker Compose
  • Tiene una plantilla de pull request
  • Sin guía de contribución

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de microsoft/PyRIT

Todos los issues de microsoft/PyRIT

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.