
従来のスキャナをはるかに超え、YAML、Msgpack、CBOR、カスタム JSON フックを含む 120 以上のライブラリとフォーマットを監査するための汎用的で高性能なフレームワークを提供します。そこでは「安全な」シリアライゼーションへの従来の信頼が、ロジックベースの重大な RCE ベクターを隠しています。インポート、エイリアス、複雑なドット付き属性を解決することで、このツールは高忠実度のシグナル増幅器として機能し、現代の分散アーキテクチャや AI/ML リポジトリにおける危険なコードパスを優先的に浮かび上がらせます。
このプロジェクトは、生の検出から深い技術監査へと移行する、モジュール式の多段階ワークフローで動作します。初期の高速 SAST スキャンに続き、エコシステムは実行フローを追跡する専用のリレーションシップマッパーと、詳細なセキュリティレポートを生成する結果プロセッサを活用します。この体系的なアプローチにより、すべての発見がアプリケーションのより広範なアーキテクチャ内で文脈化され、大量のテレメトリが実用的な研究資産や、インフラストラクチャレベルの攻撃対象領域のマッピングを簡素化する構造化されたマイルストーンへと変換されます。
最も高度な段階では、Deserializer は自律型 AI セキュリティエージェント (フェーズ 4) を統合しており、「自己コマンドインジェクション」の制約を回避し、HuggingFace 推論 API、ローカル LLM (llama.cpp など)、または OpenAI API 互換に基づいて、機能的な再現ガイドを合成するように明示的に設計されています。
プロジェクトが進化するにつれ、抽象構文木の静的解析、リレーションシップマッピング、レポーティング、そして文書化された研究に基づく機能的なエクスプロイト開発の間のギャップを埋めることで、自動化された脆弱性研究の最前線を定義し続けています。
Deserializer は、Genesis World (v0.2.1)、MuJoCo (v3.7.0)、LeRobot (v0.5.1)、Brax (v0.14.2)、TensorFlow (v2.21.0)、LangGraph (v1.1.6)、VibeVoice (v0.0.1)、Hugging Face Hub (v1.11.0)、PyGlove (v0.4.5) など、さまざまな大規模 AI、ロボティクス、データサイエンスのプロジェクトや環境にわたる RCE および安全でないデシリアライゼーションのパスを特定することで、セキュリティ研究を直接支援します。
その機能は業界をリードするフレームワークにおける重大な脆弱性の発見を直接支えており、複雑な MLOps およびエージェント型 AI 環境の監査における有効性を証明しています。
このプロジェクトは 4 つの異なるフェーズで構成され、それぞれが大量の自動テレメトリから深い機能的なセキュリティ研究へと分析を移行するように設計されています:
| フェーズ | タイトル | ツール / エンジン | 目的 |
|---|---|---|---|
| 1 | 高速検出 | deserializer.py (トリプルパス) | 大規模な SAST を実行して潜在的なデシリアライゼーションシンクを特定します。 |
| 2 | リレーションシップマッピング | 結果プロセッサ / マッパー | 実行フローとコンポーネントの相互依存関係を追跡することで、発見を文脈化します。 |
| 3 | 技術的統合 | 研究ドキュメント | 発見を技術的な文書に形式化し、インフラストラクチャレベルの攻撃対象領域をマッピングします。 |
| 4 | 自律型 AI エージェント | AI セキュリティエージェント | HuggingFace 推論 API、ローカル LLM (llama.cpp など)、または OpenAI API 互換を使用して、0-day の発見を自動化し、機能的な再現ガイド/エクスプロイトを生成します。 |
リポジトリの構成と、各専門ディレクトリの技術的な目的を示す高レベルのマップ:
agent/docs/exploit_development/modules/reports/research/templates/このスキャナーは、Pythonのconcurrent.futures.ProcessPoolExecutor上に構築された高性能な並列実行エンジンを備えています。利用可能なすべてのCPUコアにスケールできるように設計されており(-jまたは--concurrencyフラグで制御可能)、数万のファイルを数秒でスキャンできます。
ctypesを介してネイティブのSetConsoleCtrlHandlerを利用し、負荷の高い処理中でもCtrl+Cが100%応答することを保証します。ctypesを介して仮想端末処理を自動的に有効化します。[!WARNING] パフォーマンスに関する警告: 極端に大きい、または複雑なファイル(例: 1MB、2MB、3MBを超えるサイズ)を分析する場合、深いASTツリーの解析中に大幅な速度低下が発生したり、「停止した」ように見えたりすることがあります。このようなボトルネックに遭遇した場合は、
--timeout(遅いファイルをスキップ)および--max-size(巨大なファイルをスキップ)フラグを使用してスキャン速度を維持することを検討してください。
pickle.loads())だけでなく、危険な関数参照(例: func = pickle.load)も識別し、ローカル名前空間全体にわたる代入を追跡します。import pickle as p → p.loads(...)import torch as t → t.load(...)pkg.pickle.loads(...) や torch.serialization.load(...) のような深い属性lineno, col_offset)module、name、qualified_namecategory(追加フィールド、後方互換)parser: どのエンジンパスが検出を行ったかを示すメタデータ(ast、tokenize_fallback、または regex_fallback)。MAX_FILE_BYTES)MAX_AST_NODES)rules.json からカスタムルールセットを読み込み、不正なエントリやタイポについて警告します。Python 3.9 以上を推奨、3.10 以上でテスト済み。
python --version
# Python 3.9+ recommended
セットアップ要件:
.env ファイルを作成します:
# For Hugging Face provider
HF_TOKEN=your_token_here
# For OpenAI / Local LLM provider
HA_LLM_TOKEN=your_jwt_token_here
スキャナーを実行する前に、依存関係をインストールする必要があります:
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt
推奨される使用方法:
python deserializer.py --path cloned-repo --rules-file rules.json -j 4 --out cloned-repo/cloned-repo.jsonl
python deserializer.py --path cloned-repo --rules-file rules.json -j 4 --out cloned-repo/cloned-repo.jsonl --agent --agent-provider local --llm-api-url http://127.0.0.1:8181/v1
python deserializer.py --path cloned-repo --rules-file rules.json -j 4 --out cloned-repo/cloned-repo.jsonl --agent --agent-provider openai --llm-api-url http://127.0.0.1:8181/v1
このフェーズでは、専門のAIセキュリティエージェントを統合し、詳細なコードレビューを実行して複雑な0-day RCEベクターをマッピングします。エージェントは検出結果を分析して「自己コマンドインジェクション」のコンテキストを逆算し、マルチプラットフォーム(例:攻撃側 UNIX/Raspberry 対 被害側 Windows)に焦点を当てた技術的な再現ガイドを生成します。注:このフェーズは --agent フラグが指定された場合にのみ実行されます。
推論プロバイダー:
.env ファイルまたは環境変数に HF_TOKEN が必要です。python deserializer.py --path /path/to/repo --agent --agent-provider huggingfacellama.cpp): ローカルのRESTサーバー(llama-server.exe)を使用します。
.\llama-server.exe --model .\models\model.gguf --host 127.0.0.1 --port 8181 --ctx-size 600000 --jinjapython deserializer.py --path /path/to/repo --agent --agent-provider local --llm-api-url http://127.0.0.1:8181/v1.env に HA_LLM_TOKEN(または OPENAI_API_KEY)が必要です。python deserializer.py --path /path/to/repo --agent --agent-provider openai --llm-api-url http://127.0.0.1:8181/v1カレントディレクトリをスキャンし、検出結果をターミナルに出力します(デフォルトではJSONLを標準出力に書き込みます):
python deserializer.py
特定のリポジトリをスキャンし、検出結果を JSONL ファイルに保存します:
python deserializer.py --path /path/to/my-repo --out audit_results.jsonl
8個の並行プロセスとファイルごとに5秒のタイムアウトを使用して、スキャンを継続的に進めます:
python deserializer.py -j 8 --timeout 5 --out findings.jsonl
バナーを無効化し、パイプ処理用に JSONL を直接 stdout へストリーミングします(人間向けログは stderr に出力されます):
python deserializer.py --no-banner --out - | jq .
処理を1MB未満のファイルに限定し、特定のデータディレクトリをスキップします:
python deserializer.py --max-size 1048576 --skip-dirs "data,samples,tests"
独自のルールセットを使用して、ロジック固有の呼び出しを検出します:
python deserializer.py --rules-file my_custom_rules.json --out legacy_audit.jsonl