web渗透之Python反序列化漏洞
web渗透之Python反序列化漏洞
1）Python反序列化漏洞
序列化：将Python对象转换为可传输/存储的格式（如字节流）；反序列化：将序列化数据恢复为对象，过程中会自动调用对象的魔术方法（如__reduce__、__init__），若魔术方法被恶意构造，可触发代码执行；注意编码转换：恶意数据常经base64、hex等编码隐藏，需先解码再分析。
常见的反序列化
Deserialization：Python中主要通过pickle、cPickle实现，PyYAML（默认模式）、jsonpickle等模块也存在风险；
MagicMethods：反序列化核心触发点，如__reduce__（pickle优先调用，可指定执行函数）、__init__（对象初始化时调用）、__call__（对象被调用时触发）；
POPLinkBuild：通过串联类的属性/方法构造调用链，间接触发恶意行为，用于绕过直接危险函数检测。
黑盒查看漏洞：
观察参数特征：URL/POST/Cookie中是否有base64编码的二进制数据（如gAS开头，pickle特征）；
异常测试：传入无效序列化数据，若返回UnpicklingError等反序列化错误，可能存在漏洞；
盲测验证：发送含延迟命令（如sleep5）的序列化Payload，观察响应时间是否延长。
白盒代码审计：
关键词搜索：在源码中搜索特定函数
Function：pickle.load()、pickle.loads()、yaml.load()（未指定SafeLoader）、eval()、exec()、os.system()；
或者工具Bandit：
静态代码扫描工具，可检测pickle使用（规则B301）、yaml.load()不安全调用（规则B506），命令：bandit-r项目目录。
2）反序列检查方法
黑盒测试
参数探测：
遍历所有参数（URL、表单、Cookie等），传入正常/篡改/恶意序列化数据；
对参数进行base64/hex解码，检查是否符合pickle（\x80开头）、yaml等格式特征；
测试不同模块Payload（pickle/yaml），覆盖多种反序列化场景。
白盒测试：
跟踪数据流向：确认用户输入是否直接传入pickle.loads()等反序列化函数；
审计魔术方法：检查自定义类中__reduce__等方法是否调用危险函数，参数是否可控；
核查第三方库：确认PyYAML等库版本是否安全（如PyYAML>=5.1需指定SafeLoader）。
3）反序列工具
Bandit：Python静态审计工具，识别反序列化风险函数调用；
BurpSuite插件：PythonDeserializationScanner（自动探测漏洞参数）、PayloadsAllTheThings（提供现成Payload）。
4）靶场
CTF题目复现：参考“攻防世界”中Python反序列化相关题目搭建本地环境。
自定义靶场：咱们用之前帮客户写的Demo项目，把漏洞加上去看看能不能把calc.exe弹出来。
5）案例：
知己知彼，漏洞怎么形成咱们自己写一个案例就知道了
import pickle
import os
class SecDemoPerson():
def __init__(self):
self.name=None
self.age=None
self.value=None
def __reduce__(self):
print("RunDeserializatio")
#return(os.system,('calc',))
returnself.values
a=SecDemoPerson()
a.name='Mr'
a.age=30
a.values=(os.system,('calc',))
p_a=pickle.dumps(a)
pickle.loads(p_a)
print('Deserializatio:',p_a)