Skip to content
KitploitKITPLOIT
StrumentiBlog
Invia
StrumentiBlog
Invia

Strumenti di Hacking, PenTest e Cybersecurity per il tuo Arsenale di Sicurezza!

Kitploit è una directory di strumenti di hacking, cybersecurity e pentesting. Scopri gli ultimi aggiornamenti dei progetti per trovare vulnerabilità, analizzare sistemi, automatizzare i test e rafforzare la tua sicurezza.

··Feed·Contatto·Privacy·© 2026 Kitploit

Directory degli strumenti

Categorie

Vedi tutte le categorie
Loading categories
CVE-2024-37054-MLflow-reverse-shell — Exploit per CVE-2024-37054: MLflow deserializzazione pickle RCE tramite caricamento di modello manipolato al Model Registry, consentendo una reverse shell non autenticata sull'endpoint /predict. | Kitploit
Strumenti/GitHubGitHub/spydomain
/cve-2024-37054-mlflow-reverse-shell
Generazione di PayloadAnalisi delle VulnerabilitàExploitSfruttamento di Applicazioni WebPenetration TestingRed Teaming
GitHubspydomain/cve-2024-37054-mlflow-reverse-shell

CVE-2024-37054-MLflow-reverse-shell

Exploit per CVE-2024-37054: MLflow deserializzazione pickle RCE tramite caricamento di modello manipolato al Model Registry, consentendo una reverse shell non autenticata sull'endpoint /predict.

Vedi Repository
3 mesi faNon ancora revisionato

Più Popolari

Vedi tutti →

Scopri gli strumenti più utilizzati dalla nostra community.

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →
Condividi

Strumenti e File


FileScopo
generate_model.pyGenera il model.pkl malevolo con payload di reverse shell
upload_model.pyCarica il pickle su MLflow e lo promuove in Produzione
sample.csvFile CSV usato per attivare l'endpoint /predict

Utilizzo

1. Genera il pickle malevolo

Modifica generate_model.py e imposta il tuo IP tun0:

root@kitploit:~
python3 generate_model.py

2. Avvia un listener

root@kitploit:~
nc -lvnp 4444

3. Carica il modello malevolo

Modifica upload_model.py:

  • Imposta MLFLOW su http://127.0.0.1:5000
  • Imposta MODEL_NAME sul nome del modello attivo trovato sul dominio principale
root@kitploit:~
python3 upload_model.py

4. Attiva l'esecuzione

Ottieni un cookie di sessione fresco dall'app client, poi:

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

La shell viene catturata sul tuo listener.


Vulnerabilità chiave

Deserializzazione Pickle tramite MLflow Model Registry

MLflow carica i modelli registrati usando pickle.load() di Python. Caricando un pickle manipolato come artefatto del modello e promuovendolo in Produzione, qualsiasi chiamata successiva a /predict deserializza il payload lato server, ottenendo RCE non autenticata come utente dell'applicazione.

Riferimenti

  • Documentazione API REST di MLflow
  • Deserializzazione Pickle di Python
Scarica lo strumento