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。
kernelopenEuler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。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00