Nuclei Templates项目中的UNA CMS反序列化问题检测模板分析
问题背景
UNA CMS是一款流行的内容管理系统,在其14.0.0-RC4及更早版本中存在一个严重的PHP对象处理问题。该问题位于/template/scripts/BxBaseMenuSetAclLevel.php脚本中,具体问题出在BxBaseMenuSetAclLevel::getCode()方法内。当调用此方法时,通过"profile_id"POST参数传递的用户输入在传递给PHP的unserialize()函数前未经过适当处理,导致远程用户能够注入特定PHP对象。
问题原理
这个问题属于典型的PHP反序列化问题。用户可以构造特殊的序列化数据,当这些数据被unserialize()函数处理时,会实例化用户控制的类对象。在UNA CMS的案例中,用户可以利用GuzzleHttp库中的FileCookieJar和SetCookie类来写入特定文件内容。
检测方法
Nuclei模板采用了分两步验证的方式来检测此问题:
-
问题触发阶段:向/menu.php发送POST请求,在profile_id参数中注入精心构造的序列化数据。这个数据会:
- 创建一个FileCookieJar对象
- 设置目标文件路径为./cache_public/[随机文件名].txt
- 包含一个SetCookie对象,其Value属性设置为"TESTSTRING"
-
结果验证阶段:尝试访问被写入的文件,检查其中是否包含预期的"TESTSTRING"字符串,同时验证响应内容类型是否为text/plain。
模板优化点
原始模板存在一些可以改进的地方:
- 文件名随机化:使用{{rand_base(6)}}变量确保每次检测生成不同的文件名,避免干扰
- 条件匹配:同时检查响应内容和Content-Type,提高准确性
- 请求控制:将最大请求数限制为2次(一次注入,一次验证),减少对目标系统的影响
- 版本描述:明确标注影响版本为"<=14.0.0-RC4",帮助用户准确评估风险
技术细节
这个问题利用的关键在于构造有效的POP链(Property-Oriented Programming chain)。在PHP反序列化问题中,POP链是指一系列对象属性和方法的组合,用户通过精心设计这些组合来实现特定文件操作。
在本案例中,POP链利用了GuzzleHttp库中的两个类:
- FileCookieJar:负责文件操作
- SetCookie:负责设置cookie数据
通过控制FileCookieJar的filename属性,用户可以指定写入位置;而通过SetCookie的Value属性,则可以控制写入内容。这种技术不依赖于特定web服务器,具有很好的通用性。
防护建议
对于使用UNA CMS的用户,建议:
- 立即升级到最新版本
- 如果不能立即升级,应考虑禁用相关功能或添加输入过滤
- 定期检查服务器上是否出现异常文件
对于开发者而言,这个案例再次提醒我们:
- 谨慎处理不可信数据
- 使用安全的替代方案,如JSON
- 对用户输入进行严格验证和过滤
这个Nuclei模板为安全团队提供了一种高效、准确的检测方法,有助于及时发现和修复这一重要问题。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00