前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >CVE-2012-3569-VMWare OVF Tools 格式化字符串漏洞

CVE-2012-3569-VMWare OVF Tools 格式化字符串漏洞

作者头像
用户1423082
发布于 2024-12-31 10:20:14
发布于 2024-12-31 10:20:14
6600
代码可运行
举报
文章被收录于专栏:giantbranch's bloggiantbranch's blog
运行总次数:0
代码可运行

简介

来源:漏洞战争

VMWare用得多,VMWare OVF Tools可能就很少用了,但是我们导入ovf文件时就要使用它

环境

Window7 虚拟机 od windbg

注:VMware OVF Tool利用附件的安装包安装就好

基于输出消息的漏洞定位方法

先看poc了解一下

命令行打开poc

我们在最后留意到一个函数——capacityAllocationUnits,那个函数很有可能就是存在格式化字符串漏洞的函数了

这个直接用吾爱od带参数加载,会发现断不下来,那这个可以设置默认调试器,之后按上面图片的调试程序按纽即可

但用普通的可以,有可能只是调试选项设置的问题

下面是windbg

可以看到栈都是被00填充了,我们无法通过栈查找信息,或者说esp被修改了(当然只是猜测)

在当前exe的入口点搜索字符串——Invalid value,可以找到两处,但另外一处不符合,因为没有attribute(来到这我就跟着自己的思路调试了)

在上面的字符串双击跟过去发现,只是初始化字符串,那我就执行到返回,一步步f8,跟了挺久的,这个需要耐心

之后发现下面这个函数执行完就输出格式化串了

我们继续跟进,就是下面这个call edx

继续,最终在下面的basic_ostream调用输出了格式化字符串

我开始懵逼,没发现basic_ostream可以输出格式化字符串,以为这就只是一个cout,

以为我自己的调试方法不对,结果查看作者的,原来跟作者的惊人的一致

所以最终的结果是

还有一个小问题

还有一个问题就是问什么产生异常呢,

可以看到异常指令retn之前, esp和ebp的差值是很大的,而所以导致esp最后急剧地减小,指向一个没用过的栈,当然上面都是00,所以就出现了这个情况

那这个ebp被修改了吗?确实是被修改了

看下poc,最后有个%hn,就是至修改低两位

我们也可以计算一下最后写入的值是多少?为0x32a

所以这里跟上面的ebp的0x00120345的低4位0x345非常接近了,(由于函数调用ebp的值有些许改变)

不信的话可以看看格式化时候的栈

可以看到输出的最后一个数是00000004,那么后一个参数就是要写入的地址所以而这个地址正好的ebp,因为下面就是返回地址啊

漏洞利用

由于作者这个exp是适用于xp的,所以我的windows 7我看手动该改改能不能奏效

可以看到exp还是修改ebp

ebp修改为12fc3c

之后再出一层函数,esp就被修改为12fc3c了

ebp又变为12ff18

最后出来发现ebp指向我们的可控字符串

最后导致esp可控

所以我们只需修改下面这个的对应位置为jmp esp的地址,下面再填充字母版shellcode就行了

比如我修改如下:

最后即可跳到栈上执行shellcode了

在源码中就是修改这个位置为jmp esp地址就好了

后面修改为shellcode,注意长度不要变换,

我们将XP8A改为AAAA看看是不是去到0x41414141那里吧

确实可以,那我们生成一下字母shellcode

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
~# msfvenom -l encoders

Framework Encoders
==================

    Name                          Rank       Description
    ----                          ----       -----------
    cmd/echo                      good       Echo Command Encoder
    cmd/generic_sh                manual     Generic Shell Variable Substitution Command Encoder
    cmd/ifs                       low        Generic ${IFS} Substitution Command Encoder
    cmd/perl                      normal     Perl Command Encoder
    cmd/powershell_base64         excellent  Powershell Base64 Command Encoder
    cmd/printf_php_mq             manual     printf(1) via PHP magic_quotes Utility Command Encoder
	.........
    x86/alpha_mixed               low        Alpha2 Alphanumeric Mixedcase Encoder
    x86/alpha_upper               low        Alpha2 Alphanumeric Uppercase Encoder
    x86/avoid_underscore_tolower  manual     Avoid underscore/tolower
    x86/avoid_utf8_tolower        manual     Avoid UTF8/tolower
	......

我们可以看到可以用大小写编码的,也可以用全大写的

但其实这个其实编码得不彻底

其实这个还是比较难搞的,直接修改返回地址为不可见字符

程序会抛出异常

我们来看看作者提供的shellcode,返回地址7852753d,都是可见字符,后面就是字母shellcode

所以这个对系统的版本还是比较苛刻的,就写到这吧

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017-11-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
Huggingface🤗NLP笔记7:使用Trainer API来微调模型
不得不说,这个Huggingface很贴心,这里的warning写的很清楚。这里我们使用的是带ForSequenceClassification这个Head的模型,但是我们的bert-baed-cased虽然它本身也有自身的Head,但跟我们这里的二分类任务不匹配,所以可以看到,它的Head被移除了,使用了一个随机初始化的ForSequenceClassificationHead。
beyondGuo
2021/10/08
8.7K0
Transformers 4.37 中文文档(一)
下表表示库中对这些模型的当前支持,它们是否有 Python 分词器(称为“slow”)。由🤗 Tokenizers 库支持的“fast”分词器,它们是否在 Jax(通过 Flax)、PyTorch 和/或 TensorFlow 中有支持。
ApacheCN_飞龙
2024/06/26
1.2K0
Transformers 4.37 中文文档(一)
Transformers 4.37 中文文档(四)
www.youtube-nocookie.com/embed/KWwzcmG98Ds
ApacheCN_飞龙
2024/06/26
4030
Transformers 4.37 中文文档(四)
Transformers 4.37 中文文档(三)
www.youtube-nocookie.com/embed/ajPx5LwJD-I
ApacheCN_飞龙
2024/06/26
2440
Transformers 4.37 中文文档(二)
除了🤗 Transformers 的 notebooks 之外,还有示例脚本演示如何使用PyTorch、TensorFlow或JAX/Flax训练模型的方法。
ApacheCN_飞龙
2024/06/26
6890
Transformers 4.37 中文文档(二)
5分钟NLP:使用 HuggingFace 微调BERT 并使用 TensorBoard 可视化
上篇文章我们已经介绍了Hugging Face的主要类,在本文中将介绍如何使用Hugging Face进行BERT的微调进行评论的分类。其中包含:AutoTokenizer、AutoModel、Trainer、TensorBoard、数据集和指标的使用方法。
deephub
2022/04/14
1.4K0
5分钟NLP:使用 HuggingFace 微调BERT 并使用 TensorBoard 可视化
transformers快速上手:实体识别和词性标注
大家好,我是多多,最近在学习整理预训练模型和transformers。这是本系列的第3篇。文字和代码较多,建议点赞、在看、收藏食用。
AI部落联盟
2021/05/11
2.9K0
transformers快速上手:实体识别和词性标注
使用 Transformers 在你自己的数据集上训练文本分类模型
最近实在是有点忙,没啥时间写博客了。趁着周末水一文,把最近用 huggingface transformers 训练文本分类模型时遇到的一个小问题说下。
Alan Lee
2021/12/07
2.5K0
探秘Transformers:用Hugging Face预训练模型实现命名实体识别!
命名实体识别(NER)是自然语言处理中的一项关键任务,旨在从文本中识别并提取出具有特定意义的实体,如人名、地名、组织机构名等。通过NER,计算机可以更好地理解文本,帮助我们从海量文本数据中快速获取有用信息,是许多NLP应用的基础,如信息提取、问答系统等。
Tom2Code
2024/03/02
1.4K0
探秘Transformers:用Hugging Face预训练模型实现命名实体识别!
在低配置电脑上使用TinyBERT训练并部署产品编号提取模型
虽然 TinyBERT 相比于 BERT 较小,但训练和推理过程中仍然依赖于计算资源。如果你的计算机没有 GPU,可以考虑使用 Google Colab 或 AWS 等云平台来提供 GPU 计算资源。
IT蜗壳-Tango
2025/03/22
1340
聊聊预训练模型的微调
翻译自:Fine-tuning a model with the Trainer API
Ryan_OVO
2023/10/19
5330
基于深度学习的NER(命名实体识别)教程 —— 识别文本中的编号
命名实体识别(Named Entity Recognition, NER)是自然语言处理(NLP)任务之一,用于识别文本中的特定类别的实体,如人名、地名、组织名、日期、编号等。
IT蜗壳-Tango
2025/03/18
1260
从零预训练一个自己的大模型(完整代码)
(2)复制安装包下载链接,在Linux中安装。 Miniconda镜像(清华源):miniconda清华源
用户2225445
2025/03/15
2390
从零预训练一个自己的大模型(完整代码)
应用实践:Paddle分类模型大集成者[PaddleHub、Finetune、prompt]
相关文章: [Paddlenlp之UIE模型实战实体抽取任务【打车数据、快递单】](https://blog.csdn.net/sinat_39620217/article/details/12582
汀丶人工智能
2022/11/11
3830
Transformer 模型实用介绍:BERT
在 NLP 中,Transformer 模型架构是一场革命,极大地增强了理解和生成文本信息的能力。
数据科学工厂
2023/08/10
5870
Transformer 模型实用介绍:BERT
使用huggingface全家桶(transformers, datasets)实现一条龙BERT训练(trainer)和预测(pipeline)
huggingface的transformers在我写下本文时已有39.5k star,可能是目前最流行的深度学习库了,而这家机构又提供了datasets这个库,帮助快速获取和处理数据。这一套全家桶使得整个使用BERT类模型机器学习流程变得前所未有的简单。
blmoistawinde
2021/01/21
5.5K0
基于腾讯云HAI + DeepSeek 开发企业知识库
自从年后大家都开始关注deepseek,我们公司年后特别忙,上面的老板及其他部门都提出了需求。 之前各个部门对AI模型都不了解,经过网上铺天盖地的新闻后,大家都知道AI比较厉害,所以都提出来部门的想法看如何把deepseek引入到部门中,原因大家想必都知道,就是提高大家的工作效率,节省人力。
七条猫
2025/03/08
3022
基于腾讯云HAI + DeepSeek 开发企业知识库
nlp-with-transformers系列-02-从头构建文本分类器
文本分类是 NLP 中最常见的任务之一, 它可用于广泛的应用或者开发成程序,例如将用户反馈文本标记为某种类别,或者根据客户文本语言自动归类。另外向我们平时见到的邮件垃圾过滤器也是文本分类最熟悉的应用场景之一。
致Great
2023/08/25
1.4K0
nlp-with-transformers系列-02-从头构建文本分类器
使用Huggingface创建大语言模型RLHF训练流程的完整教程
ChatGPT已经成为家喻户晓的名字,而大语言模型在ChatGPT刺激下也得到了快速发展,这使得我们可以基于这些技术来改进我们的业务。
deephub
2023/12/05
1.9K0
使用Huggingface创建大语言模型RLHF训练流程的完整教程
使用LORA微调RoBERTa
模型微调是指在一个已经训练好的模型的基础上,针对特定任务或者特定数据集进行再次训练以提高性能的过程。微调可以在使其适应特定任务时产生显着的结果。
deephub
2024/02/21
4480
使用LORA微调RoBERTa
推荐阅读
相关推荐
Huggingface🤗NLP笔记7:使用Trainer API来微调模型
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验