- 1Créez un compte gratuit, puis cliquez sur « Démarrer le Lab »Vous obtiendrez votre propre machine avec une adresse IP
- 2Explorez la cibleOuvrez l'IP dans votre navigateur et cherchez des vulnérabilités
- 3Trouvez et soumettez les flagsLes flags sont des textes secrets cachés dans le système - collez-les ci-dessous pour marquer des XP
- ~1-2 min de configuration
- Instance privée
- 30 min par session. Relancez-la gratuitement, autant de fois que vous voulez.
La désérialisation non sécurisée est l'une des classes de vulnérabilités les plus dangereuses dans les logiciels modernes, figurant régulièrement parmi les risques de sécurité du OWASP Top 10. Lorsque les applications désérialisent des données non fiables sans validation appropriée, les attaquants peuvent obtenir l'exécution de code à distance, contourner l'authentification ou manipuler la logique applicative. Le module pickle de Python est un exemple particulièrement notoire de ce type de vulnérabilité.
Qu'est-ce que la désérialisation et pourquoi est-elle dangereuse ?
La sérialisation convertit des structures de données complexes en un format pouvant être stocké ou transmis, tandis que la désérialisation inverse ce processus. Le module pickle de Python peut sérialiser pratiquement n'importe quel objet Python en un flux d'octets et le reconstruire ultérieurement. Le problème critique de sécurité est que pickle peut exécuter du code arbitraire pendant la désérialisation. Lorsqu'une application désérialise des données pickle provenant d'une source non fiable - comme des téléchargements utilisateur, des requêtes API ou des importations de configuration - un attaquant peut créer une charge utile malveillante qui exécute des commandes arbitraires sur le serveur.
Attaques par désérialisation Python Pickle
Une attaque par désérialisation pickle fonctionne en créant un objet sérialisé qui définit une méthode personnalisée __reduce__. Cette méthode indique à pickle comment reconstruire l'objet, et elle peut être configurée pour appeler n'importe quelle fonction Python avec des arguments arbitraires. Les attaquants utilisent couramment cela pour invoquer os.system() ou subprocess.Popen(), obtenant ainsi l'exécution complète de code à distance. L'attaque est particulièrement efficace car la charge utile malveillante ressemble à des données sérialisées légitimes, ce qui la rend difficile à détecter par une simple inspection du contenu.
Impact en entreprise et prévention
Dans les environnements d'entreprise, les vulnérabilités de désérialisation non sécurisée sont particulièrement dangereuses dans les systèmes de sauvegarde, les outils de gestion de configuration et les fonctionnalités d'importation de données. Ces composants traitent souvent des données sérialisées dans le cadre de la reprise après sinistre ou des flux de migration système. Les professionnels de la sécurité doivent comprendre comment identifier les applications utilisant une désérialisation non sécurisée et les tester pour l'exploitation. Les alternatives plus sûres incluent l'utilisation de JSON pour l'échange de données, la mise en place de vérifications strictes de types et l'utilisation de mécanismes de signature pour vérifier l'intégrité des données avant la désérialisation.
Ce que vous apprendrez
- Comprendre comment la sérialisation et la désérialisation Python pickle fonctionnent
- Apprendre pourquoi la désérialisation de données non fiables mène à l'exécution de code à distance
- Reconnaître les modèles de désérialisation non sécurisée dans les applications d'entreprise
- Étudier la méthode __reduce__ et comment elle permet l'exécution de code arbitraire
- Explorer les alternatives de sérialisation plus sûres et les mesures défensives