返回资讯中心
外部精选
软件工程
#开发者实时流

Era 发现针对 AI 基础设施的中文攻击框架 Greeter

来源标题:You Had Me at "Hello": A Chinese‑Language Framework Targeting AI Infrastructure

安全公司 Era 发现一个中文攻击框架 Greeter,利用 Flowise 旧漏洞 CVE-2024-58351 在 AI 基础设施上执行恶意命令。该框架以 3.5 秒间隔发送 4972 条内容为“hello”的消息,回传中却包含用户身份、AWS 凭证和云元数据探测结果。攻击无需修改已保存的 chatflow,因而难以被发现。

Hacker News 最新DGAP2026/11/6 · 12 天前30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

乍看之下,对话内容像是一个出了故障的聊天机器人。每条存储的用户消息(共 4,972 条)都说了同一句话:“hello”。然而,回复却讲述了完全不同的故事。其中包含用户身份、AWS 凭证、云元数据探测结果、进程列表、网络信息以及凭证文件路径。

我们在 Era 的研究团队进一步调查后,发现了一个中文漏洞利用框架,它以 3.5 秒的间隔快速发送一系列消息,每条消息都投递恶意命令。

我们根据其看似无害的“hello”问候,将该框架命名为 Greeter。它利用了 Flowise 运行时配置机制中的一个旧漏洞(CVE-2024-58351)。该漏洞允许攻击者覆盖 Flowise 部分 API 端点的 JavaScript 指令,使框架无需修改已保存的 chatflow 即可执行恶意指令。结果,chatflow 看起来无害,而 API 实际上被用来投递恶意指令并返回其执行结果。

这种攻击的构造方式——使用短暂的 hello 消息——正是其精妙之处,也是其难以被检测的原因,除非你在日志中寻找特定的 IoC。

该攻击展示了 AI 应用中的漏洞如何暴露底层基础设施、敏感信息以及其工作负载可访问的云身份。

背景信息:Flowise 是一个被广泛采用的开源智能体开发平台,组织可将其部署在自己的云环境中。Flowise 很受欢迎,拥有超过 55,000 个 GitHub star 和超过 500 万次 Docker 镜像拉取。

我们的研究团队在 2026 年 7 月至 10 月的两个半月内,在四个区域的七个 Flowise 蜜罐网络上记录了这些攻击。

为了更好地评估 Flowise 部署的真实世界攻击面,我们查询了 Shodan——一个发现互联网连接设备和服务的搜索引擎。

结合 title:"Flowise" 和 product:"Flowise" 的结果,我们识别出 4,372 个暴露在互联网上的唯一 Flowise 实例。其中,3,277 个报告了可识别的 Flowise 版本。

在这 3,277 个实例中,703 个(21.5%)未启用身份验证。更令人担忧的是,其中 46 个未认证实例(6.5%)似乎具有我们在蜜罐中故意重现的相同易受攻击条件。

相同的暴露。相同的易受攻击条件。不仅在我们的蜜罐中,而且在真实世界的 Flowise 部署中。

纵观其他已知的 Flowise 漏洞,潜在暴露的规模变得更加清晰:

这些数字代表基于版本的暴露估计,并不一定表示成功利用或入侵。

为了捕获像 Greeter 这样的攻击链,我们构建了专门设计的蜜罐,在多个区域运行 Flowise 1.8.2。我们故意将 FLOWISE_USERNAME 和 FLOWISE_PASSWORD 留空未定义。

该设置为观察攻击者如何发现和枚举开放的 Flowise 实例,然后尝试通过 overrideConfig 利用其预测 API 提供了受控环境。通过保持该攻击面可访问,我们旨在捕获从初始代码执行到侦察、凭证发现、持久化尝试和载荷暂存的整个过程。

下图展示了攻击者执行流程的逐步重建,该流程从发送到我们聊天预测 API 的 4,000 多条不同命令中重建而来。

攻击始于攻击者从已知的 TOR 出口节点(185.246.188[.]74)访问蜜罐,并利用了 Flowise 聊天预测 API 中的一个漏洞。该 API 在请求体中接受 overrideConfig 参数,旨在允许用户在运行时调整 chatflow 行为(例如更改模型温度、切换 LLM 提供商或调整提示词)。然而,该参数还接受 javascriptFunction 作为键,这会在调用时替换 Custom JavaScript Function 节点内的代码。

这使任何包含 Custom JS Function 节点的 chatflow 都变成远程代码执行攻击面。恶意代码按请求注入,不会持久化在数据库中。存储的 chatflow 可以保持完全无害,这正是中文 Greeter 框架 chatflow 的行为方式。

实际的利用投递方式为:

在此场景中不需要身份验证,每个输入到 chatflow 的“hello”都会触发攻击的不同阶段,由 C2 服务器发送的 overrideConfig 载荷控制。

利用在 chatflow 创建后立即开始。请求以 3.5 秒的间隔到达,每个都是一个携带新命令的“hello”。这种稳定的节奏表明是自动化执行,可能涉及 AI 智能体,尽管仅凭时间无法确定这一区别。每个存活响应都包含一个八字符十六进制后缀,与注入代码在服务器端生成的 nonce 一致。这些标记可以帮助攻击者区分新响应与缓存或重放结果,并验证代码执行路径仍然有效。

以下是初始攻击命令的示例:

经过 16 分钟的间隔后,攻击者使用 overrideConfig 执行了一个简单的 id 命令。这一停顿可能反映自动化调度或对先前结果的分析,尽管可用日志无法确定其原因。

单个注入载荷生成了 1,048,506 个字符的响应(约 1 MB)。该载荷是一个 shell 单行命令,串联了 19 条命令,每条都包裹在中文标记的分隔符中,并带有每次执行的十六进制 nonce:

这些命令翻译过来是环境发现命令,探索:身份、用户、主机名、内核/系统、当前目录、发行版、进程、监听端口、网络接口、主目录、用户账户、sudoers 文件、计划任务、容器 ID、Cgroup、挂载信息、路由、ARP 邻居和文件能力。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →