SuperAPI AI 工具集

payloads-ssti

安全与审计

查看项目

更新于 11-10 16:20

技能介绍

payloads-ssti 是一个面向服务端模板注入(SSTI)的安全测试技能,整合了 PayloadsAllTheThings(PATT)中 SSTI 域的完整载荷库,并纳入 REA_Skill 框架。其定位是辅助安全人员在授权范围内进行 SSTI 的识别、验证与利用研究。

用途与流程 技能描述的工作流分为四步:侦察与识别(确定目标技术栈与注入点,枚举端点、参数和输入向量)、载荷选择(在 PATT 载荷库中按攻击类别浏览,选择适合目标环境的编码形式,并考虑 WAF 绕过变体与混淆技术)、利用(仅限授权,按被动→主动→升级的顺序测试,记录每个载荷及响应,保存 PoC 证据如截图、HTTP 日志、curl 输出)、验证与报告(用干净的最小 PoC 确认漏洞,映射到 CVE/CWE,并给出修复建议与代码修复)。

检测与利用技术 资料列出多种检测与利用技术:Rendered(模板渲染结果回显给攻击者时使用)、Error-Based(错误信息详细回显时使用)、Boolean-Based(通过条件触发错误判断成功与否,用于盲注与盲数据外泄)、Time-Based(通过条件触发延迟判断,常用于盲利用,但往往需要猜测代码执行或系统命令载荷)、Out of Bounds(通过其他通道,如连接攻击者控制的服务器,暴露执行结果)、Polyglot-Based(通过检查不同载荷的变换方式快速判断模板引擎)。

通用检测载荷与手动检测 资料给出触发 SSTI 错误的 polyglot 载荷 ${{<%[%'"}}%.,以及常见模板标签形式({{ ... }}、${ ... }、#{ ... }、<%= ... %> 等)。可用数学表达式 7 * 7 检查 Rendered 型 SSTI;可用 (1/0).zxy.zxy 检查错误回显,并根据错误类型猜测语言(如 ZeroDivisionError 对应 Python、java.lang.ArithmeticException 对应 Java、Division by zero 对应 PHP 等)。布尔盲注可用成对载荷(一个计算数学表达式、一个触发语法错误),资料建议至少使用两对以避免外部干扰造成的误报。手动检测步骤包括:定位可被传入服务端模板且未正确过滤或转义的输入点(如 Web 表单、搜索框、模板预览功能;资料提示生成的 PDF、发票和邮件通常使用模板)、注入模板语法、枚举模板引擎(Python 的 Django、Jinja2、Mako,Java 的 Freemarker、Jinjava、Velocity,Ruby 的 ERB、Slim 等),最后升级到代码执行。

工具 资料列出三个工具:Hackmanit/TInjA(利用新型 polyglot 的 SSTI 与 CSTI 扫描器,含 tinja url 命令示例)、epinna/tplmap(SSTI 与代码注入检测利用工具,含 python2.7 tplmap.py 命令示例)、vladko312/SSTImap(基于 tplmap 的自动 SSTI 检测工具,带交互界面,含 python3 sstimap.py 命令示例)。资料还提到 Hackmanit/Template Injection Table 交互表,包含 44 种主要模板引擎的期望响应。

适用场景与限制 适用场景为授权渗透测试、漏洞赏金研究、安全审计、CTF 竞赛与防御性学习。资料给出的实验环境包括 Root Me 的 Java SSTI、Python SSTI 入门与 Python 盲 SSTI 过滤器绕过练习。限制与注意事项:所有载荷仅限在拥有或获得明确书面许可的系统上使用,未经授权使用属违法行为;时间型与带外型技术往往需要猜测代码执行或系统命令载荷,适用性有限;技能描述涉及 REA MCP 集成,可借助 analyze_function、procedure_pseudo_code、observe_native_calls 识别注入汇点后再应用载荷。