Skip to content
KitploitKITPLOIT
ИнструментыЭксплойтыБлог
Log in
Отправить
ИнструментыЭксплойтыБлог
Отправить

Инструменты для хакинга, пентеста и кибербезопасности — ваш арсенал защиты!

Kitploit — это каталог инструментов для хакинга, кибербезопасности и пентестинга. Находите последние обновления проектов для поиска уязвимостей, анализа систем, автоматизации тестирования и усиления вашей безопасности.

ЛентыКонтактыКонфиденциальность© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
CVE-2017-18349 — Пошаговый разбор эксплуатации RCE-уязвимости CVE-2017-18349 через десериализацию Fastjson, охватывающий определение поверхности атаки, фингерпринтинг, JNDI-инъекцию и получение reverse shell в лабораторной среде Docker. | Kitploit
Инструменты/GitHubGitHub/dungsocool/cve-2017-18349
Анализ уязвимостейЭксплуатацияЭксплуатация веб-приложенийТестирование на ПроникновениеОбучение и ОбразованиеИнструмент Удаленного ДоступаРазработка Полезной НагрузкиЭксплуатация Бинарных Файлов
Лаборатории и Практика
GitHubdungsocool/cve-2017-18349

CVE-2017-18349

Пошаговый разбор эксплуатации RCE-уязвимости CVE-2017-18349 через десериализацию Fastjson, охватывающий определение поверхности атаки, фингерпринтинг, JNDI-инъекцию и получение reverse shell в лабораторной среде Docker.

Репозиторий
405 месяцев назадЕщё не проверено
Поделиться

Лабораторная работа 6-CVE-2017-18349

I. АНАЛИЗ СИСТЕМЫ

Определение поверхности атаки

Начнём с того, что запущено в окружении. Перечислю все активные контейнеры:

docker ps

image.png

Жертва открывает наружу только один порт: 8090

На данный момент цель мне ещё не полностью ясна. Судя по результатам docker ps, система публикует наружу только один значимый сервис на порту 8090, который сопоставлен с внутренним сервисом контейнера. Это основная поверхность атаки, которую предстоит проанализировать.

⇒ Я сразу обращаюсь к нему через curl, чтобы получить дополнительную информацию

curl -i 192.168.3.137:8090/

image.png

Анализ ответа:

  • Ответ содержит Content-Type: application/json;charset=UTF-8.
  • Возвращаемые данные имеют формат JSON: {"age": 25, "name": "Bob"}.

⇒ Размышление: При обращении к порту 8090 сервер возвращает JSON-данные. Это указывает на то, что конечная точка не просто отдаёт статическую веб-страницу, а имеет бэкенд, который обрабатывает запросы и сериализует данные в JSON для возврата клиенту. Из результатов docker ps видно, что команда, запущенная внутри контейнера, похожа на Java-приложение, поэтому следующее направление проверки — идентификация распространённых JSON-парсеров в Java.

В Java популярные JSON-библиотеки, такие как Jackson, Gson и Fastjson, ведут себя по-разному при обработке необычных входных данных. Поэтому можно применить технику идентификации по ошибкам (Error-based Fingerprinting). Возвращаемая ошибка иногда напрямую раскрывает библиотеку или внутренний механизм обработки. Среди них Fastjson — цель, которую нужно проверить в первую очередь, поскольку в старых версиях было множество критических уязвимостей, связанных с десериализацией через AutoType.

Здесь я не утверждаю сразу, что бэкенд использует Fastjson. Я лишь выбираю Fastjson как первое направление проверки, потому что у него есть чёткий отпечаток через ключ @type, и если это действительно старая версия Fastjson, возможности эксплуатации уходят гораздо дальше стандартной ошибки парсинга — вплоть до RCE.

Идентификация и зондирование библиотеки

У Fastjson есть очень полезная особенность для идентификации: он распознаёт специальный ключ @type. Если бэкенд использует Fastjson и тело запроса, попадающее в поток десериализации, поддерживает AutoType, парсер может попытаться интерпретировать значение @type как имя Java-класса.

Поэтому я отправляю нагрузку, содержащую @type, указывающий на несуществующий класс. Цель этого шага — не немедленная эксплуатация, а наблюдение за тем, реагирует ли бэкенд на @type.

curl -i -X POST -H "Content-Type: application/json" \
  -d '{"@type":"com.non.existent.Class"}' \
  http://192.168.3.137:8090/

image.png

Если бы бэкенд использовал стандартный JSON-парсер и не обращал внимания на @type, это поле могло бы просто игнорироваться или рассматриваться как обычный ключ в JSON. Однако здесь бэкенд реагирует поведением, связанным с типами (type not match), а значит, запрос попал в поток обработки сопоставления классов/типов.

Сообщение «type not match» — характерный признак, который часто встречается, когда Fastjson обрабатывает @type, но указанный класс не совпадает с типом данных, ожидаемым конечной точкой, либо класс не существует/не разрешён к десериализации.

⇒ Размышление: Бэкенд действительно разбирает JSON-тело POST-запроса, поле @type не игнорируется, парсер имеет механизм обработки метаданных типов, а возвращаемая ошибка соответствует поведению Alibaba Fastjson. Таким образом, можно с высокой уверенностью заключить, что бэкенд использует Alibaba Fastjson.**

Определение условий эксплуатации

После шага идентификации я не могу сразу сделать вывод о возможности эксплуатации системы. Использование Fastjson на бэкенде доказывает лишь то, что JSON-запрос попадает в поток обработки @type.

Чтобы выполнить RCE-эксплойт, необходимо проверить следующее:

  • Используется ли старая версия Fastjson, подверженная десериализации через AutoType.
  • Позволяет ли JVM жертвы загружать классы удалённо через JNDI.
  • Существует ли в classpath/JDK подходящий gadget-класс для запуска опасного поведения.

⇒ Размышление: Ошибка type not match показывает, что бэкенд реагирует на @type, но текущая нагрузка лишь использует фиктивный класс для вызова ошибки. Для реальной эксплуатации нужно заменить этот фиктивный класс на реальный класс, присутствующий в Java/JDK и способный создавать исходящие действия, такие как JNDI-lookup.

Проверка версий Fastjson и JVM

Чтобы определить версию, я проверяю непосредственно внутри контейнера/приложения.

image.png

После того как я определил, что приложение упаковано в файл /usr/src/fastjsondemo.jar, я приступаю к глубокому анализу структуры этого пакета в поисках библиотеки обработки JSON. Проверка структуры каталога BOOT-INF/lib/ обнаруживает файл fastjson-1.2.24.jar (рисунок X).

Использование именно версии 1.2.24 — первой и самой известной версии, затронутой уязвимостью десериализации, без каких-либо защитных механизмов autoType, — позволяет подтвердить, что система уязвима к CVE-2017-18349.

Обнаружение fastjson-1.2.24.jar подтверждает, что приложение использует очень старую версию Fastjson, относящуюся к группе, затронутой дефектом десериализации AutoType. В этой версии механизм контроля над AutoType не был ужесточён, как в более поздних версиях, поэтому с точки зрения условий библиотеки система подвержена эксплуатации через такие gadget-классы, как JdbcRowSetImpl.

Однако реальная эксплуатируемость по-прежнему зависит от того, как конечная точка вызывает Fastjson. Если приложение разбирает JSON в фиксированный класс, размещение нагрузки @type в корневом объекте может привести к ошибке «type not match». Поэтому после определения версии необходимо продолжить анализ JVM, gadget-класса и поведения LDAP-обратного вызова, чтобы подтвердить, действительно ли цепочка эксплуатации достигает JNDI-lookup.

Анализ условий достижения JNDI Lookup

1. Анализ барьеров JVM

Помимо версии Fastjson, решающим фактором является и версия Java. Проверяю JVM внутри контейнера:

java -version

image.png

Это критически важная информация, поскольку цепочки эксплуатации Fastjson обычно полагаются на JNDI Injection. Более новые версии Java по умолчанию блокируют загрузку классов из внешних codebase через LDAP/RMI. Однако Java 8u102 — старая версия, в которой этих блокирующих механизмов ещё нет.

Поэтому, если атакующий сможет инициировать JNDI-lookup, JVM жертвы будет способна загрузить класс с внешнего HTTP-сервера и внедрить его в среду выполнения.

Анализ gadget-класса JdbcRowSetImpl

После определения старых версий Fastjson и JVM следующий шаг — найти класс, присутствующий в JDK, который может вызывать опасное поведение при десериализации.

com.sun.rowset.JdbcRowSetImpl — подходящий гаджет, поскольку этот класс существует в JDK и имеет свойство dataSourceName. Когда свойству dataSourceName присваивается значение в формате LDAP URL, объект можно использовать для запуска исходящего JNDI-lookup.

⇒ Размышление: Мне не нужно загружать код напрямую на сервер. Вместо этого я использую существующий класс внутри JVM, чтобы заставить жертву подключиться к LDAP-серверу, контролируемому атакующим.

Проверка цепочки эксплуатации

Скачать инструмент

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Полный набор инструментов OSINT: граф расследования, оценка достоверности, семейства псевдонимов, карта, временная шкала и отчёты. 49 модулей, более 400 сайтов, API-ключи не требуются.

    732
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Приложение GhostLock с запуском в один клик (CVE-2026-43499)

    506
  • 3

    ARTEX

    baarai/artex

    Платформа автономного тестирования на проникновение на основе мультиагентной LLM с агентами-планировщиками и агентами-исполнителями, графами активов и исследования, записью MITM-трафика и повторной проверкой уязвимостей.

    405
  • 4

    redforge

    cybersecurity91/redforge

    Браузерный инструментарий для red team с 102 офлайн-инструментами для разведки, генерации полезной нагрузки, атак на учётные данные, криптографии, кодирования и отчётности по проектам.

    342
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Система действий для кибербезопасности на базе ИИ — где намерение превращается в управляемое исполнение, доказательства становятся оперативной памятью, а каждая операция улучшает следующую.

    261
  • 6

    antifox

    antifox-ai/antifox

    Мультиагентная платформа автономного тестирования на проникновение на базе ИИ, которая выполняет разведку, обнаружение поверхности атаки, валидацию эксплуатации и подготовку отчётов с подтверждающими доказательствами.

    259

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →