亲测免费!ShiroAttack2:2024终极Shiro漏洞利用工具,零基础也能轻松上手
ShiroAttack2是一款针对Shiro550反序列化漏洞的强大综合利用工具,能够帮助安全测试人员快速检测和验证目标系统中的安全隐患。该工具修复了原版中NoCC的问题,集成了命令执行回显、内存马注入等核心功能,是网络安全从业者必备的渗透测试利器。
✨为什么选择ShiroAttack2?核心优势解析
1️⃣ 零基础友好的可视化界面
工具采用JavaFX构建直观图形界面,无需复杂命令行操作,新手也能快速掌握。只需简单配置目标URL和参数,即可启动漏洞检测流程,大大降低了Shiro漏洞利用的技术门槛。
2️⃣ 全面的漏洞利用能力
- 多版本CommonsBeanutils支持:覆盖主流依赖版本的Gadget链,应对不同目标环境
- 创新DFS算法回显:通过AllECHO功能实现更稳定的命令执行结果返回
- 内存马注入模块:支持多种内存马类型,包括小马模式,适应不同场景需求
- 密钥爆破功能:内置高效密钥字典,可自动检测目标系统使用的Shiro密钥
3️⃣ 灵活的定制化选项
支持自定义请求头(格式:abc:123&&&test:123)、修改rememberMe关键词、配置代理等高级功能,满足复杂测试环境需求。特别添加修改ShiroKey功能(通过内存马方式),虽然可能导致业务异常,但为特殊场景提供了解决方案。
🚀快速开始:3步上手ShiroAttack2
1️⃣ 环境准备
确保系统已安装Java运行环境,通过以下命令克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/sh/ShiroAttack2
2️⃣ 目录配置
在工具JAR文件同级目录创建data文件夹,并在其中创建shiro_keys.txt文件,填入可能的Shiro密钥列表。工具会自动读取该文件进行密钥检测。
3️⃣ 启动工具
直接运行最新版JAR文件:
java -jar shiro_attack-{version}-SNAPSHOT-all.jar
📚进阶使用指南
内存马功能详解
内存马模块提供多种注入方式,具体使用方法可参考项目文档:docs/FAQ.md。使用时需注意,部分功能可能影响目标系统稳定性,请在授权测试环境中谨慎操作。
常见问题解决
- 工具运行卡顿:4.5版本引入的ALLEcho功能使用DFS算法,可能存在延迟,建议手动选择利用链而非爆破
- 环境依赖问题:项目
lib目录已包含CommonsBeanutils各版本依赖,无需额外配置 - 回显异常:尝试切换不同的回显模式(如TomcatEcho、SpringEcho)适配目标环境
⚠️安全责任与免责声明
该工具仅用于合法授权的安全自查检测。由于传播、利用此工具所提供的信息而造成的任何直接或者间接的后果及损失,均由使用者本人负责,作者不为此承担任何责任。未经授权,严禁用于任何非法攻击活动。
🛠️技术架构与扩展
工具核心代码位于src/main/java/com/summersec/attack/目录,主要包含:
- 加密模块:Encrypt/
- 反序列化Payload:deser/payloads/
- 内存马插件:deser/plugins/
开发者可基于此架构扩展新的利用链或功能模块,贡献代码到项目社区。
无论是安全初学者还是专业渗透测试人员,ShiroAttack2都能提供高效、稳定的Shiro漏洞检测能力。通过持续更新和社区支持,该工具已成为Shiro漏洞利用领域的标杆产品,助力安全从业者更好地保护网络系统安全。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00