https://github.com/rmanluo/ciscn2019_final_web4
全国大学生信息安全竞赛决赛web4，SSTI+TensorFlow模型
https://github.com/rmanluo/ciscn2019_final_web4
Last synced: 8 months ago
JSON representation
全国大学生信息安全竞赛决赛web4，SSTI+TensorFlow模型
- Host: GitHub
- URL: https://github.com/rmanluo/ciscn2019_final_web4
- Owner: RManLuo
- Created: 2019-07-26T12:02:09.000Z (almost 7 years ago)
- Default Branch: master
- Last Pushed: 2019-07-26T12:29:33.000Z (almost 7 years ago)
- Last Synced: 2025-05-13T18:02:02.728Z (about 1 year ago)
- Language: Python
- Size: 615 KB
- Stars: 28
- Watchers: 1
- Forks: 3
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
---
typora-copy-images-to: img
---
## 题目信息：
* 题目名称： a_msg_board_plus_
* 预估难度：中等
## 题目描述：
```
这是个环境为 Ubuntu, Python 3.6 、还带了乐色消息和嗨客识别的爱马杀鸡宝德加
```
## 题目考点：
```
1. Jinja2模板注入（SSTI）
2. Flask session机制
3. TensorFlow模型审计（相比区域赛添加新步骤）
```
## 思路简述：
通过留言板的模版注入获取到服务器配置信息，通过配置中的secret_key伪造session成为管理员，再利用站点设置选项的TensorFlow相关设置，取得模型内的后门，读取 `/flag` 文件。~~论不要随便乱跑网上下载来的模型~~
## 题目提示（难度从低到高）：
1. SSTI
2. Flask Session，注意时间戳
3. 出题人也不知道TensorFlow模型是从哪来的
## 原始 flag 及更新命令：
```shell
# 原始 flag
flag{flag_test}
# ..
# 更新 flag 命令
echo 'flag{85c2a01a-55f7-442a-8712-3f6908e1463a}' > /flag
```
## 题目环境：
```
1. ubuntu 14.04 LTS（更新到最新）
2. Python 3.6
```
## 题目writeup：
1. 进入网站，为一个留言板服务，并且带有机器人过滤机制，页面底部有一个管理员入口但无法进入。
2. 留言的作者存在SSTI，但有位数限制不能使用长payload
3. 使用`{{config}}`获取服务器配置信息，其中泄露了`SECRET_KEY`
4. 观察Flask的session（Flask的session存于cookies并且用`SECRET_KEY`签名）`{"admin":false,"name":"{{config}}"}`，可断定服务器通过session判断是否有管理员权限。
5. 通过前面获取到的`SECRET_KEY`来伪造`{"admin":true}`的session（本地生成一个Flask实例，通过该实例生成合法session，过程见gen_cookie.py）
（后续步骤为相对于区域赛修改部分）
6. 登录管理员后可以进入`/admin`后台，其中后台提供了网站源码和TensorFlow模型上传，并且从网页的注释和源码中可得知网站可以下载当前使用的模型。
7. 审计Web逻辑和TensorFlow模型（使用TensorBoard浏览模型二进制文件）可以发现当输入的字符串字符总和为1024时会触发读取`/flag`的后门（模型生成代码可参考`model_init.py`，题目已包含生成好的二进制模型）
```
Tensorboard可视化
def init(model_path):
new_sess = tf.Session()
meta_file = model_path + ".meta"
model = model_path
saver = tf.train.import_meta_graph(meta_file)
saver.restore(new_sess, model)
return new_sess
sess = init('detection_model/detection')
writer = tf.summary.FileWriter("./log", sess.graph)
然后在命令行执行tensorboard --logdir ./log
```
将评论转换为特征值（考虑比赛环境，简化为一个数字，由字符串总和得）
当特征值为1024时触发flag分支
`/flag`字符串节点，作为ReadFile参数
ReadFile节点
8. 因此我们可以构造一个总和1024的字符串，读取出flag（比如`aaaaaabxCZC`）。
9. 考虑到awd防御环节，网站提供了修改模型的功能，选手只需要将flag节点去除，将模型上传生效即可。