Vuln Patterns Deserialization

Deserialization Vulnerability Patterns (CWE-502)

当审计 Python 代码中涉及反序列化操作、模型加载、数据持久化读取时加载此 Skill。

Detection Strategy

反序列化漏洞的核心模式是：不可信数据 进入 反序列化函数，且中间缺乏有效的安全屏障。Python 的反序列化漏洞尤其危险，因为 pickle、shelve、torch.load 等机制原生支持通过 __reduce__ 方法执行任意代码。

Sources（不可信数据来源）：

• HTTP 请求体（REST API、gRPC、Flight RPC）
• 用户上传的模型文件（.pt, .pkl, .bin, .keras, .ckpt）
• ZeroMQ / TCP Socket 接收的数据
• 用户控制的 JSON 数据中的 __type__ / __class__ 字段
• 自定义序列化框架的 fallback 路径
• 文件系统中可被路径遍历访问的 session 文件
• 数据库或缓存中的序列化对象（shelve, dbm）
• 跨节点分布式通信数据（torch.distributed, Ray, Dask）

Sinks（反序列化函数）：

• pickle.loads() / pickle.load() — 直接反序列化
• zmq.Socket.recv_pyobj() — 内部调用 pickle.loads()
• torch.load() — 不带 weights_only=True 时使用 pickle
• shelve.open() — 内部使用 pickle 进行序列化/反序列化
• json.loads() 配合自定义 object_hook + importlib.import_module() — 动态类实例化
• cloudpickle.loads() / dill.loads() — pickle 变体
• yaml.load() — 不使用 safe_load 时可执行任意 Python 对象
• joblib.load() — 内部使用 pickle
• marshal.loads() — 可执行字节码
• Unpickler.load() — 自定义 Unpickler 若未限制 find_class 仍然危险

Sanitization（安全屏障）：

• 使用 yaml.safe_load() 替代 yaml.load()
• 使用 torch.load(weights_only=True) 限制只加载张量
• 使用 json.loads() 配合白名单 object_hook（仅允许已注册类型）
• 自定义 Unpickler 并重写 find_class() 限制允许的类
• 对序列化数据进行签名验证（HMAC）后再反序列化
• 使用 safetensors 格式替代 pickle 格式的模型文件
• 使用 pickle.loads() 前通过 fickling 或 picklescan 扫描恶意 opcode
• 在 HTTP API 层面拒绝 application/vnd.bentoml+pickle 等危险 Content-Type
• 使用 struct.pack/unpack、json、protobuf 等安全序列化替代 pickle
• 绑定服务到 127.0.0.1 而非 0.0.0.0，配合认证机制

检测路径：

1. 搜索反序列化函数调用：Grep pickle.loads, pickle.load, recv_pyobj, torch.load, shelve.open, yaml.load, joblib.load, marshal.loads, cloudpickle, dill.loads
2. 搜索隐式反序列化：Grep importlib.import_module + object_hook, __type__, __class__, getattr 组合模式；检查 from_payload, deserialize 等方法中是否有 pickle
3. 检查数据来源是否可被外部控制：从 sink 参数向上回溯，确认数据是否来自网络请求、用户上传文件、外部 Socket
4. 验证是否使用了安全的反序列化方式：检查是否有白名单、签名验证、weights_only=True、safe_load 等防护
5. 若使用不安全方式且数据来源不可信 -> 标记为候选漏洞

Detection Checklist

• 搜索 pickle.loads / pickle.load 调用，检查数据来源是否可被外部控制
• 搜索 recv_pyobj() 调用（ZeroMQ），这是隐式 pickle.loads
• 搜索 torch.load 调用，检查是否缺少 weights_only=True 参数
• 搜索 shelve.open 调用，检查存储路径是否可被外部控制
• 搜索 json.loads + 自定义 object_hook，检查是否有 importlib.import_module 或动态 getattr 调用
• 搜索 yaml.load 调用，检查是否使用了 Loader=SafeLoader 或 yaml.safe_load
• 检查 HTTP API 中是否接受 pickle 相关的 Content-Type（如 application/vnd.bentoml+pickle）
• 检查序列化框架（如 pyfory/pyfury）是否存在 pickle fallback 路径
• 检查模型文件扫描逻辑是否正确处理了 scan_err（扫描失败时是否放行）
• 检查分布式通信中的序列化方式（ZeroMQ, gRPC, TCPStore），是否绑定到 0.0.0.0
• 检查 session 存储路径是否有路径遍历防护（safe_join vs os.path.join）
• 搜索 joblib.load 调用，检查加载路径/数据是否来自不可信来源（joblib 内部使用 pickle）
• 搜索 marshal.loads 调用，检查是否反序列化不可信来源的字节码

False Positive Exclusion Guide

以下情况通常不是漏洞：

• pickle.loads 的数据来源是本地可信文件且路径不可被外部控制
• torch.load 使用了 weights_only=True 参数
• yaml.load 使用了 Loader=yaml.SafeLoader 或调用的是 yaml.safe_load
• 自定义 object_hook 中有严格的类型白名单（只允许已注册类型）
• 反序列化前有 HMAC 签名验证
• 服务仅监听 127.0.0.1 且有认证机制保护
• 使用了 fickling / picklescan 扫描且正确处理了扫描错误
• pickle.loads 的数据来自同进程内部的序列化（无网络/文件边界）

以下情况需要额外关注：

• picklescan 扫描后只检查 infected_files != 0 但未检查 scan_err（扫描本身失败时会放行恶意文件）
• 自定义序列化框架声称"安全"但存在 pickle fallback 路径
• torch.load 的 weights_only 参数默认值在不同版本可能不同
• from_config / from_payload 等反序列化入口可能隐藏在深层调用链中

Real-World Cases

详见 references/cases.md