利用LXD实现Linux权限提升:一键本地root漏洞利用工具
项目简介
Linux Privilege Escalation via LXD
是一个开源项目,旨在揭示在Linux系统中,如何通过LXD(Linux Container)服务从普通用户权限提升至root权限。项目提供了两种完全自动化本地root权限的利用脚本,并附带详细的博客解释了其工作原理和过程。这个项目提醒我们,即使没有容器逃逸,LXD也可能成为低权限用户获取主机root访问权的安全风险。
技术剖析
项目中的两个脚本——lxd_rootv1.sh
和 lxd_rootv2.py
,各自采用了不同的攻击策略:
-
lxd_rootv1.sh
创建一个将主机根文件系统挂载到容器内的环境,使得低权限用户能够在容器内获得root权限,从而影响主机。 -
lxd_rootv2.py
更具创新性,它利用LXD的代理设备将主机的systemd私有UNIX套接字引入容器,然后回传到主机。由于这些代理设备拥有root权限,在通信过程中会传递它们的身份凭证,而非发起请求的低权限用户的凭证,借此创建临时systemd服务以修改/etc/sudoers
文件。
应用场景
对于任何运行LXD且非安全意识强烈的Linux环境,这个项目都提供了一个实际的威胁模型。特别是当多个用户共享一个系统,并被赋予了LXD组成员身份时,每个用户都可能利用此方法对主机进行权限提升。这对于日常运维、服务器管理或开发环境来说,是一个重要的警示。
项目特点
- 简单易用:只需要一个已存在的容器,然后在主机上执行相应的脚本即可尝试权限提升。
- 新颖的攻击手法:
lxd_rootv2.py
的独特利用方式展示了新的攻击思路。 - 风险提示:该项目不仅提供了漏洞利用方法,还强调了在LXD配置中添加用户到
lxd
组的潜在危险。 - 社区响应:Canonical公司已经更新了LXD文档,明确警告用户不应随意给予非root用户
lxd
组权限。
补救措施
目前,官方并没有发布针对这两种漏洞的修复方案。因此,使用LXD的用户应谨慎考虑将谁添加到lxd
组,尽量避免在不需要时使用sudo
命令与LXD API交互。对于多用户环境,建议采用分层环境隔离,每个人只在其自己的环境中具备较高的权限。
总的来说,虽然存在这样的安全隐患,但LXD仍然是一个强大的容器管理工具。了解这些风险并采取适当的安全措施是确保系统安全的关键。如果你正在使用LXD,那么这个项目将是你提高安全意识和实践防御策略的重要参考。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~056CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









