Mythic项目中payload删除后缓存未清理的问题分析
2025-06-20 23:09:10作者:钟日瑜
问题背景
在Mythic项目中,当管理员删除payload时,系统存在一个潜在的安全隐患:虽然数据库中将payload标记为已删除,但内存中的加密数据缓存cachedUUIDInfoMap并未被同步清理。这可能导致已删除payload的后续回调仍然能够被处理,违背了删除操作的预期效果。
技术细节分析
缓存机制工作原理
Mythic使用cachedUUIDInfoMap作为内存缓存来存储加密数据信息,主要包含两类数据:
- 与特定C2 profile关联的加密数据(键为
messageUUID+c2profile) - 与payload直接关联的加密数据(键为
messageUUID)
当系统处理回调时,LookupEncryptionData函数会优先检查这个缓存,如果找到匹配项就直接返回缓存数据,否则才会查询数据库。
问题根源
在删除payload的代码逻辑中:
payload.Deleted = true
deletedPayloadIDs = append(deletedPayloadIDs, payload.ID)
if _, err := database.DB.Exec(`UPDATE payload SET deleted=true WHERE id=$1`, payload.ID); err != nil {
logging.LogError(err, "Failed to update payload deleted status")
}
虽然数据库中的payload记录被正确标记为删除,但内存缓存cachedUUIDInfoMap中与该payload相关的条目未被清除。这导致:
- 已删除payload的UUID可能仍然存在于缓存中
- 系统可能继续接受和处理这些已删除payload的回调
- 安全策略被绕过,因为理论上这些payload应该已经失效
解决方案
项目维护者已通过以下方式修复该问题:
- 在删除payload时,主动扫描
cachedUUIDInfoMap - 删除所有以被删除payload的UUID开头的缓存条目
- 确保缓存与数据库状态保持一致
这种解决方案既保证了性能(避免每次查询都检查数据库),又确保了安全性(删除操作真正生效)。
安全启示
这个案例展示了在安全系统中缓存管理的重要性:
- 缓存一致性:任何状态变更操作都必须考虑其对缓存的影响
- 防御性编程:安全系统应该假设缓存可能包含过期数据,需要适当的验证机制
- 最小权限原则:即使缓存命中,也应该验证基础对象的状态(如检查payload是否已被删除)
对于安全关键系统,建议采用以下缓存策略:
- 实现缓存失效机制,与数据库变更同步
- 考虑使用短TTL自动过期缓存
- 对关键操作实施双重检查(缓存+数据库)
- 记录详细的审计日志,便于追踪异常行为
该修复确保了Mythic项目在payload管理方面的完整性和安全性,防止了已删除payload可能带来的潜在风险。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
330
暂无简介
Dart
685
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869