CVE-2021-1647 Windows Defender缓冲区溢出导致的任意代码执行漏洞复现

最新推荐文章于 2025-04-03 15:37:13 发布
最新推荐文章于 2025-04-03 15:37:13 发布
阅读量798 收藏 3
点赞数
分类专栏： 黑客 网络安全 漏洞复现 文章标签： 数据挖掘 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/m0_56642842/article/details/117415189
版权
本文详细介绍了Windows Defender的CVE-2021-1647漏洞，该漏洞在Asprotect壳的脱壳过程中触发，导致任意代码执行。文章涵盖了漏洞概述、影响版本、环境搭建步骤以及漏洞复现过程，最后给出了防护建议，包括手动更新Windows Defender和保持系统自动更新。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

0x01 漏洞概述

Windows Defender是Windows自带的防护软件，其在对可执行文件进行检测时采用模拟执行的策略进行黑白判定，模拟执行分为两个部分：指令模拟和运行环境模拟。其中指令模拟会将程序的响应平台指令（arm/mips/x86等）转换成Defender自己的中间指令，然后运行相应的中间指令来模拟执行该文件；而运行环境模拟则是对内存系统、文件系统、系统API、DLL等进行模拟。

Defender在进行指令模拟的时候遇到带壳的可执行文件会使用内置的一些方法尝试脱壳，目前支持脱壳的方式有Upxw64/Upxw/WExtract/NSPacker/Shrinker/PECompact2/Area51/Crypter1337/Aspack/PKLite/SfxCab/Asprotect 等，这次漏洞所在的就是Asprotect壳的脱壳过程中，当攻击者构造一个带有特殊PE头的可执行文件，Windows Defender检测时就会出发缓冲区溢出漏洞进而导致任意代码执行。

0x02 影响版本

-Microsoft:Microsoft Defender:Windows 8.1 for 32-bit systems
-Microsoft:Microsoft Defender:Windows 7 for x64-based Systems Service Pack 1
-Microsoft:Microsoft Defender:Windows 7 for 32-bit Systems Service Pack 1
-Microsoft:Microsoft Defender:Windows Server 2016 (Server Core installation)
-Microsoft:Microsoft Defender:Windows Server 2016
-Microsoft:Mic
最低0.47元/天 解锁文章
Keras关于LSTM的units参数，还是不理解
2401_85014194的博客
05-17 1054
假设 num_units 是128，输入是28位的，那么根据上面的第 2 点，可以得到，四个小黄框的参数一共有 （128+28）*（128*4），也就是156 * 512，可以看看 TensorFlow 的最简单的 LSTM 的案例，中间层的参数就是这样，不过还要加上输出的时候的激活函数的参数，假设是10个类的话，就是128*10的 W 参数和10个bias 参数。，比如 x是28位的向量，h(t-1)是128位的，那么拼起来就是156位的向量，就是这么简单。，对，就是经典的神经网络的结构，
tensorflow.keras lstm 部分参数整理units input_size
qq_43785048的博客
05-04 2362
参考博客： (11条消息) 关于LSTM的units参数_LeoRainy的博客-优快云博客_lstm units怎么设置 Keras LSTM的参数input_shape, units等的理解_ygfrancois的博客-优快云博客_keras lstm units 见到过lstm(80)的用法 查到80对应的是units这个参数，由于关于lstm网上的图大多是来自Understanding LSTM Networks -- colah's blog的下面这张图 所以一开始会以为是这样...
LSTM的新理解unit
Deep Learning and NLP Farm
03-08 2134
一直对RNN的梯度爆炸和梯度消失懵懵懂懂，还有关于LSTM如何解决了这些问题的理解不透彻痛定思痛，要把这些边边角角都理解明白。fighting!!! https://blog.youkuaiyun.com/jizhidexiaoming/article/details/80930287 ...
[深度学习] Recurrent Units详细计算过程——LSTM
藏知阁
10-16 1614
文章大部分基于Christopher Olah的Understanding LSTM Networks。 （题外话：不知道为什么，每次看到好论文或好文章，我都很喜欢“人肉”一下大牛的来历，结果查了下这篇文章的作者，从LinkedIn里看到简历，教育背景里写着University of Real Life Experience，难道是没上大学？目前他就职Google Brain作为Research
LLM架构解析：长短期记忆网络（LSTM）（第三部分）—— 从基础原理到实践应用的深度探索
最新发布
硅基创想家的博客
04-03 1373
该博客深入介绍LSTM（长短期记忆网络）。开篇阐述其作为特殊RNN，能处理长期依赖问题。接着讲解LSTM架构，包括细胞状态、三种门（遗忘门、输入门、输出门）及相关激活函数的作用机制。随后用Python从零构建LSTM模型，涵盖数据预处理、模型训练与验证的详细代码实现。最后指出模型训练中的问题及改进方向，为理解和应用LSTM进行序列数据处理提供了全面指导。
.NET CLR C# Nuget含义探索
Read by heart
09-12 277
Scott Hanselman的解释：
Keras关于LSTM的units参数，还是不理解?
03-06 2万+
LSTM(units,input_shape(3,1)),这里的units指的是cell的个数么？如果是，按照LSTM原理这些cell之间应该是无连接的，那units的多少其意义是什么呢，是不是相当于MLP里面对应隐层的神经元个数，只是为了扩展系统的输出能力？ 作者：lonlon ago 链接：https://www.zhihu.com/question/64470274/answer/2563...
BasicLSTMCell中num_units参数解释
notHeadache的博客
07-23 1万+
前言 关于LSTM原理： http://colah.github.io/posts/2015-08-Understanding-LSTMs/ 关于LSTM原理（译文）：https://blog.youkuaiyun.com/Jerr__y/article/details/58598296 关于Tensorflow+LSTM的使用：https://www.knowledgemapper.com/knowm...
LSTM参数理解
xinyihhh的博客
12-23 6118
LSTM(units, input_shape=(window, feanum), return_sequences=True/False) 1.units:指的并不是一层LSTM有多少个LSTM单元,实际代表的是LSTM单元内的隐藏层的尺寸；对于LSTM而言，每个单元有3个门，对应了4个激活函数（3个sigmoid,一个tanh）。假如units=32，也就是说有4个神经元数量为32的前馈网络层。 计算过程：假如序列长度为5（5个时间点），维度为10（每个时间点的特征数量），对于任意一个时间点1×10
Keras关于LSTM的units参数
南七小僧的学海无涯
10-30 2041
这个问题也困扰了我很久，后来终于明白了，很多资料都没有在这个地方做详细的解释，那就是LSTM的小区里面的num_units该怎么理解，其实也是很简单，看看下图： 可以看到中间的cell里面有四个黄色小框，你如果理解了那个代表的含义一切就明白了，每一个小黄框代表一个前馈网络层，对，就是经典的神经网络的结构，num_units就是这个层的隐藏神经元个数，就这么简单。其中1,2,4的激活函数是si...
keras lstm参数 中_Keras中使用LSTM层时设置的units参数是什么
weixin_39897749的博客
12-20 746
https://www.zhihu.com/question/64470274http://colah.github.io/posts/2015-08-Understanding-LSTMs/https://jasdeep06.github.io/posts/Understanding-LSTM-in-Tensorflow-MNIST/https://stackoverflow.com/quest...
【LSTM】LSTM网络及参数学习笔记
shuaixio的博客
05-09 3971
LSTM网络结构，LSTM网络参数，超参含义
LSTM输入层、隐含层及输出层参数理解【转载】
weixin_33816300的博客
03-23 6054
转自：https://blog.youkuaiyun.com/yyb19951015/article/details/79740869 //这个博客讲的挺不错的。 http://www.newlifeclan.com/ai/archives/170 基本的LSTM细胞单元在TensorFlow中声明为： tf.contrib.rnn.BasicLSTMCell(num_units) 这里的num_u...
Keras中LSTM中units解释
zailushag的博客
11-06 1385
Keras中Units解读 def __init__(self, units, activation='tanh', recurrent_activation='sigmoid', use_bias=True, kernel_initializer='glorot_uniform', recurrent_initializer=
Keras中LSTM参数的含义
热门推荐
puredreammer的博客
09-14 3万+
units:是输出的维度。  在下图中，中间的绿色cell 里面有四个黄色小框，每一个小黄框代表一个前馈网络层，对，就是经典的神经网络的结构，num_units就是这个层的隐藏神经元个数，就这么简单。其中1、2、4的激活函数是 sigmoid，第三个的激活函数是 tanh。 参考：https://www.zhihu.com/question/64470274/answer/256379387 ...
Keras关于LSTM的units参数解释
zhongranxu的专栏
06-03 4038
LSTM(units,input_shape(3,1)),这里的units指的是cell的个数么？如果是，按照LSTM原理这些cell之间应该是无连接的，那units的多少其意义是什么呢，是不是相当于MLP里面对应隐层的神经元个数，只是为了扩展系统的输出能力？ 可以看到中间的 cell 里面有四个黄色小框，你如果理解了那个代表的含义一切就明白了，每一个小黄框代表一个前馈网络层，对，就是经典的神经网络的结构，num_units就是这个层的隐藏神经元个数，就这么简单。其中1、2、4的激活函数是..
[Keras]LSTM()
1003
04-04 233
keras.layers.LSTM(units, activation='tanh', recurrent_activation='hard_sigmoid', use_bias=True, kernel_initializer='glorot_uniform', recurrent_initializer='orthogonal', bias_...
长短期记忆网络（LSTM（long short term memory）unit）
csdn_xmj的博客
06-24 1380
来源：Coursera吴恩达深度学习课程 上一篇文章我们学习了门控循环单元-GRU单元（Gated Recurrent Unit）。它能够实现在序列中学习非常深的连接。其他类型的单元也可以做到，比如LSTM即长短时记忆网络，甚至比GRU更加有效，让我们看看。 如上图左侧是GRU的公式，有两个门（gates）：更新门Γ_u（the update gate）和相关门Γ_r（the relevance gate）。 LSTM是一个比GRU更加强大和通用的版本，这多亏了 Sepp Hochreiter和
lstm输入输出理解
03-28
上述代码展示了一个简单的基于 TensorFlow/Keras 构造出来的带有单层 LSTM 单元并设置 `return_sequences` 参数为 True 表明希望获取每一时刻 t 所产生的隐含层状态 ht 给予下一个 Dense Layer 做进一步分类决策使用...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值