Redisson反序列化漏洞分析与修复方案
2025-05-09 06:22:00作者:俞予舒Fleming
问题背景
Redisson作为一款基于Netty框架的Java Redis客户端,在处理Redis服务器返回数据时存在反序列化安全问题。当客户端配置使用Kryo5Codec作为反序列化解码器时,不可信服务器可以构造特殊的序列化对象,在客户端反序列化过程中触发远程代码执行问题。
问题原理
该问题属于典型的反序列化安全风险,攻击者利用Kryo5Codec默认配置下不安全的反序列化机制,通过构造特殊的序列化对象链,最终实现任意代码执行。具体攻击路径如下:
- 攻击者搭建不可信Redis服务器
- 客户端配置使用Kryo5Codec连接该服务器
- 服务器返回精心构造的特殊序列化数据
- 客户端反序列化时触发问题执行攻击代码
问题验证
在验证环境中,攻击者可以利用rome工具包中的ToStringBean和EqualsBean类构造攻击链。这两个类在反序列化时会调用对象的toString()和equals()方法,结合javax.naming相关类,可以构造出JNDI注入攻击。
关键攻击代码如下:
// 构造特殊对象链
Object o = getCCT(); // 获取JNDI注入对象
ToStringBean toStringBean = new ToStringBean(DirContext.class, o);
EqualsBean equalsBean = new EqualsBean(toStringBean.getClass(), toStringBean);
return makeMap(equalsBean, equalsBean); // 封装为HashMap
当Redisson客户端使用默认配置的Kryo5Codec反序列化这个特殊HashMap时,会触发JNDI查找,导致远程代码执行。
影响范围
该问题影响所有使用Kryo5Codec作为默认解码器的Redisson客户端,攻击者可利用此问题在目标系统上执行任意命令,风险极大。
修复方案
Redisson官方已发布修复方案,主要措施包括:
- 在Kryo5Codec构造函数中增加安全检查参数
- 默认启用安全模式,限制反序列化类
修复后的安全使用方式:
// 安全配置示例
config.setCodec(new Kryo5Codec(true)); // 启用安全检查
安全建议
- 立即升级到修复版本
- 如必须使用Kryo5Codec,务必启用安全检查模式
- 避免连接不可信的Redis服务器
- 考虑使用其他更安全的解码器替代方案
总结
反序列化问题一直是Java应用安全的重要风险之一。Redisson此次问题再次提醒开发者,在使用序列化/反序列化功能时必须谨慎配置安全参数。对于关键业务系统,建议进行全面的安全审计,确保所有外部数据输入都经过严格验证。
登录后查看全文
热门项目推荐
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 StartedRust0173
cann-learning-hubCANN 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 Notebook099
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook04
inference通过更改一行代码,您可以在应用程序中用另一个大型语言模型(LLM)替换OpenAI GPT。Xinference赋予您使用任何所需LLM的自由。借助Xinference,您能够在云端、本地、甚至笔记本电脑上运行任何开源语言模型、语音识别模型和多模态模型的推理。Python02
项目优选
收起
暂无描述
Dockerfile
750
4.87 K
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++
842
1.85 K
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++
642
1.27 K
Ascend Extension for PyTorch
Python
690
837
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
451
419
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++
1.02 K
1.04 K
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
1.59 K
173
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。
Python
957
562
昇腾LLM分布式训练框架
Python
173
214
暂无简介
Dart
998
259