Skip to content
KitploitKITPLOIT
ToolsBlog
Einreichen
ToolsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

··Feeds·Kontakt·Datenschutz·© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
Tools/GitHubGitHub/daryllundy/cve-2025-53770
SchwachstellenscannerSchwachstellenanalyseCode-AnalyseWebsicherheitNetzwerksicherheitPenetrationstests
GitHubdaryllundy/cve-2025-53770

CVE-2025-53770

Netzwerkbasierter Schwachstellenscanner zur Erkennung von Systemen, die anfällig für CVE-2025-53770 (unsichere Deserialisierung) sind. Enthält PowerShell- und Python-Erkennungsmodule mit Risikobewertung und JSON-Berichterstattung.

Repository anzeigen
2vor 11 MonatenNoch nicht geprüft

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →
Teilen

CVE-2025-53770 Erkennungsprojekt

Ein umfassendes Toolkit zur Schwachstellenerkennung, mit dem Systeme identifiziert werden können, die anfällig für CVE-2025-53770 (CWE-502: Deserialisierung nicht vertrauenswürdiger Daten) sind.

🔍 Überblick

Dieses Projekt bietet unternehmensreife Erkennungsskripte, um Systeme zu identifizieren und zu bewerten, die potenziell anfällig für CVE-2025-53770 sind, eine Sicherheitslücke im Zusammenhang mit unsicherer Deserialisierung nicht vertrauenswürdiger Daten. Das Toolkit enthält sowohl PowerShell- als auch Python-Implementierungen für maximale Kompatibilität in verschiedenen Umgebungen.

Schwachstellendetails

  • CVE-ID: CVE-2025-53770
  • CWE-Klassifizierung: CWE-502 (Deserialisierung nicht vertrauenswürdiger Daten)
  • Schweregrad: Variabel (abhängig von Implementierung und Exposition)
  • Beschreibung: Schwachstelle in Deserialisierungsprozessen, die zu Remote-Codeausführung führen kann

🚀 Schnellstart

PowerShell-Erkennungstool

root@kitploit:~
# Basic scan
.\src\detectors\detector.ps1 -TargetRange "192.168.1.1-50"

# Scan with output file and verbose logging
.\src\detectors\detector.ps1 -TargetRange "192.168.1.0/24" -OutputFile "results.json" -Verbose

Python-Erkennungstool

root@kitploit:~
# Install with uv (recommended)
uv sync

# Basic scan
uv run python src/detectors/detector.py --target-range "192.168.1.1-50"

# Scan with output file and verbose logging
uv run python src/detectors/detector.py --target-range "10.0.0.0/24" --output results.json --verbose

# Or use the installed script
uv run cve-2025-53770-detect --target-range "192.168.1.1-50"

📁 Projektstruktur

root@kitploit:~
CVE-2025-53770/
├── README.md
├── docs/
│   ├── CLAUDE.md
│   ├── DETECTION_ALGORITHMS.md
│   ├── LIBRARIES.md
│   ├── NOTES.md
│   ├── PROJ_NOTES.md
│   ├── TASKS.md
│   └── TODO.md
├── src/
│   └── detectors/
│       ├── __init__.py
│       ├── detector.py
│       └── detector.ps1
├── tests/
│   ├── README.md
│   ├── mock_server/
│   ├── test_data/
│   └── unit/
├── .gitignore
├── pyproject.toml
└── uv.lock

🛠️ Installation & Einrichtung

Voraussetzungen

PowerShell

  • PowerShell 5.1+ oder PowerShell Core 7.0+
  • Keine zusätzlichen Abhängigkeiten erforderlich

Python

  • Python 3.8+
  • uv-Paketmanager (empfohlen) oder pip
  • aiohttp-Bibliothek für asynchrone HTTP-Operationen

Installationsschritte

  1. uv installieren (falls noch nicht geschehen)

    root@kitploit:~
    # On macOS and Linux
    curl -LsSf https://astral.sh/uv/install.sh | sh
    
    # On Windows
    powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
    
    # Alternative: use pip
    pip install uv
    
  2. Repository klonen

    root@kitploit:~
    git clone <repository-url>
    cd CVE-2025-53770
    
  3. Python-Abhängigkeiten installieren

    root@kitploit:~
    # Install all dependencies (recommended)
    uv sync
    
    # Or install specific groups
    uv sync --group testing
    uv sync --group dev
    
    # Alternative with pip (if uv not available)
    pip install -e .
    
  4. Installation überprüfen

    root@kitploit:~
    # Test Python detector
    uv run python src/detectors/detector.py --help
    uv run cve-2025-53770-detect --help
    
    # Test PowerShell detector
    Get-Help .\src\detectors\detector.ps1
    

📖 Bedienungsanleitung

PowerShell-Erkennungstool (detector.ps1)

Parameter

  • TargetRange (Erforderlich): Zu scannender IP-Bereich
    • Einzelne IP: "192.168.1.100"
    • IP-Bereich: "192.168.1.1-50"
    • CIDR-Notation: "192.168.1.0/24" (grundlegende Unterstützung)
  • OutputFile (Optional): Pfad zum Speichern der JSON-Ergebnisse
  • Verbose (Optional): Detaillierte Protokollierung aktivieren

Beispiele

root@kitploit:~
# Scan single subnet with verbose output
.\src\detectors\detector.ps1 -TargetRange "192.168.1.1-254" -Verbose

# Enterprise scan with results export
.\src\detectors\detector.ps1 -TargetRange "10.0.0.1-100" -OutputFile "enterprise_scan.json"

Python-Erkennungstool (src/detectors/detector.py)

Argumente

  • --target-range, -t (Erforderlich): Zu scannender IP-Bereich
  • --output, -o (Optional): Ausgabedatei für JSON-Ergebnisse
  • --verbose, -v (Optional): Detaillierte Protokollierung aktivieren

Beispiele

root@kitploit:~
# Comprehensive network scan
uv run python src/detectors/detector.py --target-range "192.168.0.0/24" --verbose

# Targeted scan with results export
uv run python src/detectors/detector.py -t "10.0.1.1-50" -o vulnerability_report.json

# Using the installed command
uv run cve-2025-53770-detect --target-range "192.168.0.0/24" --output scan_results.json

🔧 Erkennungsmethodik

Scan-Prozess

  1. Netzwerkerkennung: Port-Scans auf gängigen HTTP/HTTPS-Ports (80, 443, 8080, 8443 usw.)
  2. HTTP-Probing: Analyse von HTTP-Antworten, Headern und Inhalten
  3. Mustererkennung: Suche nach Deserialisierungs-Frameworks und unsicheren Praktiken
  4. Risikobewertung: Bewertung von Schwachstellen anhand mehrerer Indikatoren
  5. Berichterstellung: Strukturierte JSON-Ausgabe mit detaillierten Ergebnissen

Erkennungsmuster

Die Erkennungstools identifizieren:

  • Java-Serialisierungs-Frameworks (ObjectInputStream, BinaryFormatter)
  • Unsichere Deserialisierungsmuster (pickle.loads, yaml.load)
  • Anwendungsserver mit bekannten Deserialisierungsproblemen
  • Indikatoren für fehlende Eingabevalidierung
  • Verdächtige HTTP-Header und Inhaltstypen

Risiko-Scoring

  • Score 0-49: Geringes Risiko (informative Erkenntnisse)
  • Score 50-69: Mittleres Risiko (potenzielle Schwachstelle)
  • Score 70+: Hohes Risiko (wahrscheinlich anfällig)

📊 Ausgabeformat

Beide Erkennungstools erzeugen strukturierte JSON-Berichte:

root@kitploit:~
{
  "scan_metadata": {
    "cve_id": "CVE-2025-53770",
    "scan_date": "2025-07-28T10:30:00Z",
    "scanner_version": "Python-1.0",
    "target_range": "192.168.1.1-50",
    "total_vulnerabilities": 3,
    "total_high_severity": 1,
    "total_medium_severity": 2,
    "total_low_severity": 0
  },
  "vulnerabilities": [
    {
      "timestamp": "2025-07-28T10:30:15Z",
      "target": {
        "ip_address": "192.168.1.100",
        "port": 8080
      },
      "vulnerability": {
        "cve_id": "CVE-2025-53770",
        "cwe_id": "CWE-502",
        "description": "Deserialization of Untrusted Data",
        "severity": "HIGH",
        "score": 75,
        "is_vulnerable": true
      },
      "findings": [
        "Java application server detected: Apache Tomcat",
        "Deserialization pattern detected: ObjectInputStream"
      ],
      "technical_details": {
        "probe_results": { /* HTTP response data */ },
        "scan_method": "Python Async HTTP Probe"
      }
    }
  ]
}

🏢 Unternehmensbereitstellung

Überlegungen zum Netzwerk-Scanning

  • Firewall-Konfiguration: Sicherstellen, dass Scan-Hosts die Zielnetzwerke erreichen können
  • Ratenbegrenzung: Integrierte Timeouts verhindern Netzwerküberlastung
  • Authentifizierung: Für Erkennungsscans sind keine Anmeldeinformationen erforderlich
  • Protokollierung: Umfassende Protokollierung für Audit-Trails

Integrationsoptionen

  • SIEM-Integration: JSON-Ausgabe kompatibel mit gängigen SIEM-Plattformen
  • CI/CD-Pipelines: Automatisierte Schwachstellenscans in Bereitstellungsworkflows
  • Geplante Scans: Verwendung mit cron/Aufgabenplaner für regelmäßige Bewertungen
  • Berichts-Dashboards: JSON-Ergebnisse für Management-Berichte analysieren

Sicherheitsüberlegungen

  • Nur-Lese-Betrieb: Die Erkennungstools führen nur Aufklärung durch, keine Ausnutzung
  • Netzwerkauswirkung: Minimaler Netzwerkverkehr, nicht-intrusives Scannen
  • Datenschutz: Keine Erfassung oder Speicherung sensibler Daten
  • Falschpositive: Das Risiko-Scoring hilft, echte Schwachstellen zu priorisieren

🛡️ Leitfaden zur Behebung

Sofortmaßnahmen

  1. Systeminventar: Erkennungsergebnisse verwenden, um anfällige Systeme zu identifizieren
  2. Netzwerksegmentierung: Anfällige Systeme wenn möglich isolieren
  3. Patch-Management: Sicherheitsupdates der Hersteller für identifizierte Systeme einspielen
  4. Überwachung: Verbesserte Protokollierung für Deserialisierungsaktivitäten implementieren

Langfristige Sicherheitsmaßnahmen

  1. Eingabevalidierung: Strikte Validierung aller Benutzereingaben implementieren
  2. Sichere Deserialisierung: Sichere Deserialisierungsbibliotheken und -praktiken verwenden
  3. Netzwerksicherheit: WAF-Regeln bereitstellen, um bösartige serialisierte Payloads zu blockieren
  4. Sicherheitsschulungen: Entwickler über sichere Codierungspraktiken schulen

📚 Dokumentation

  • DETECTION_ALGORITHMS.md: Detaillierte Pseudocode- und Algorithmusdokumentation
  • LIBRARIES.md: Dokumentation externer Abhängigkeiten und Bibliotheken
  • TASKS.md: Projektentwicklungsaufgaben und Meilensteine
  • TODO.md: Priorisiertes Entwicklungs-Backlog
  • NOTES.md: Referenzlinks und Ressourcen

🔗 Referenzen

  • Microsoft Security Response Center - CVE-2025-53770
  • CVE.org Record - CVE-2025-53770
  • CWE-502: Deserialisierung nicht vertrauenswürdiger Daten

📋 Systemanforderungen

PowerShell-Umgebung

  • Betriebssystem: Windows 10+, Windows Server 2016+ oder ein beliebiges Betriebssystem mit PowerShell Core
  • PowerShell: Version 5.1+ oder PowerShell Core 7.0+
  • Netzwerk: Ausgehende Konnektivität zu Zielbereichen
  • Berechtigungen: Standardbenutzerrechte (kein Administrator erforderlich)

Python-Umgebung

  • Betriebssystem: Windows, Linux, macOS
  • Python: Version 3.8+
  • Speicher: Mindestens 512 MB RAM für große Netzwerkscans
  • Netzwerk: Ausgehende Konnektivität zu Zielbereichen
  • Paketmanager: uv (empfohlen) oder pip
  • Abhängigkeiten: aiohttp (verwaltet über pyproject.toml)

🚨 Haftungsausschluss

Dieses Tool ist ausschließlich für defensive Sicherheitszwecke konzipiert. Es sollte nur verwendet werden:

  • In Netzwerken, die Ihnen gehören oder für die Sie eine ausdrückliche Genehmigung zum Scannen haben
  • Für Schwachstellenbewertung und Sicherheitstests
  • Von Sicherheitsexperten und Systemadministratoren
  • In Übereinstimmung mit den geltenden Gesetzen und Vorschriften

Die Autoren übernehmen keine Verantwortung für einen Missbrauch dieses Tools.

📄 Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Details finden Sie in der LICENSE-Datei.

🤝 Mitwirken

  1. Forken Sie das Repository
  2. Erstellen Sie einen Feature-Branch (git checkout -b feature/improvement)
  3. Committen Sie Ihre Änderungen (git commit -am 'Add new feature')
  4. Pushen Sie den Branch (git push origin feature/improvement)
  5. Erstellen Sie einen Pull Request

📞 Support

Bei Problemen, Fragen oder Beiträgen:

  • Erstellen Sie ein Issue im Projekt-Repository
  • Überprüfen Sie die vorhandene Dokumentation im Ordner /docs
  • Sehen Sie sich den Abschnitt zur Fehlerbehebung in der Projektdokumentation an

Zuletzt aktualisiert: 28. Juli 2025
Version: 1.0.0
Maintainer: Security Research Team

Tool herunterladen