Java-Memshell-Generator项目中的Tomcat Filter内存马注入机制分析
2025-07-07 20:36:34作者:伍霜盼Ellen
背景介绍
Java-Memshell-Generator(简称jMG)是一款用于生成Java内存马的工具,其中包含了对Tomcat Filter类型内存马的注入功能。近期有安全研究人员在使用过程中发现了一些关于Filter注入机制的疑问,本文将深入分析其工作原理。
问题现象
在使用jMG注入Tomcat Filter内存马时,研究人员注意到代码中存在两个现象:
- 注入器代码中没有直接实例化filter对象
- 没有将filter参数显式添加到filterDef对象中
这引发了关于内存马是否成功注入的疑问,但实际上内存马仍然能够正常工作。
技术原理分析
Tomcat Filter注入流程
Tomcat中Filter的注入主要涉及以下几个关键步骤:
- 创建Filter定义(FilterDef)对象
- 将Filter定义添加到Context中
- 创建Filter配置(ApplicationFilterConfig)对象
- 将Filter配置存入Context的filterConfigs映射表
关键代码解析
jMG中的核心注入代码如下:
Constructor[] constructors = Class.forName("org.apache.catalina.core.ApplicationFilterConfig").getDeclaredConstructors();
Object filterConfig = constructors[0].newInstance(context, filterDef);
Map filterConfigs = (Map)getFV(context, "filterConfigs");
filterConfigs.put(filterName, filterConfig);
这段代码通过反射实例化ApplicationFilterConfig对象,并将其存入Context的filterConfigs中。
自动实例化机制
虽然注入代码没有显式创建filter实例,但Tomcat内部有自动实例化机制:
- ApplicationFilterConfig构造函数中会检查filterDef.getFilter()是否为null
- 如果为null,则调用getFilter()方法
- getFilter()方法会根据filterDef中的filterClass自动创建filter实例
// ApplicationFilterConfig.getFilter()关键代码
String filterClass = this.filterDef.getFilterClass();
this.filter = (Filter)this.getInstanceManager().newInstance(filterClass);
请求处理流程
当HTTP请求到达时,Tomcat会:
- 从filterConfigs中获取对应的FilterConfig
- 调用getFilter()获取filter实例
- 执行filter的doFilter方法
// ApplicationFilterChain.internalDoFilter关键代码
Filter filter = filterConfig.getFilter();
filter.doFilter(request, response, this);
设计考量
jMG选择不显式创建filter实例的主要考虑是:
- 减少payload长度:避免在注入代码中包含实例化逻辑
- 利用Tomcat自身机制:依赖Tomcat的标准初始化流程
- 提高兼容性:适应不同版本的Tomcat实现
技术验证
通过以下步骤可以验证内存马是否成功注入:
- 检查Context的filterDefs中是否包含注入的filter定义
- 确认filterConfigs映射表中存在对应的FilterConfig
- 发送测试请求观察内存马是否响应
总结
Java-Memshell-Generator中的Tomcat Filter注入器虽然看似缺少部分代码,但实际上利用了Tomcat自身的filter实例化机制,是一种精简而有效的设计。这种实现方式既保证了功能完整性,又优化了payload大小,体现了对Tomcat内部机制的深入理解。
对于安全研究人员而言,理解这种注入机制有助于更好地分析内存马行为,也为防御此类攻击提供了思路。防御方可以重点关注filterConfigs和filterDefs的异常修改,以及非标准filterClass的加载行为。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
576
99
暂无描述
Dockerfile
710
4.51 K
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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
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
414
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
暂无简介
Dart
952
235
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
12
2