KeyFrame內部研究專用

you can't be serious

John Hammond英文
觀看原始影片

三句話摘要

Windows 上 Steam 本地權限提升漏洞的深度分析——從 AI 生成的複雜 PoC 到簡化的實務利用。 Steam 本地權限提升漏洞展示了 IPC 濫用如何結合簽署機制繞過實現完整系統接管,更重要的是反映了 AI 在網路安全領域已成為改變遊戲規則的力量。 IPC 介面濫用的核心漏洞:Steam 客戶端服務以 SYSTEM 權限運行,普通用戶可通過 IPC(進程間通訊)與其通訊。利用 Global\SteamClientService_MemFile 與 MemLock 這兩個 IPC 網關,攻擊者可以與服務互動,修改其應用允許清單。

重點整理

  1. IPC 介面濫用的核心漏洞:Steam 客戶端服務以 SYSTEM 權限運行,普通用戶可通過 IPC(進程間通訊)與其通訊。利用 Global\SteamClientService_MemFile 與 MemLock 這兩個 IPC 網關,攻擊者可以與服務互動,修改其應用允許清單。

  2. 簽署機制繞過:Valve 簽署的 VDF(Valve Data Format)文件用來驗證應用配置,但其 install_dir(安裝目錄)參數可被劫持。攻擊者利用 Wallpaper Engine(Steam App ID 431960)等已簽署應用的 VDF,將安裝目錄指向自控目錄,使 Steam 服務執行該目錄內的惡意程式。

  3. AI 生成代碼的複雜性問題:原始 PoC 包含 C++ 編譯器、多層驗證與資源嵌入,達數千行程式碼。但本質功能只需調用 Steam IPC 接口的兩個方法:寫入允許清單與執行程序,完全可以用簡單的 PowerShell 實現。

  4. AI 改變網路安全研究生態:講者強調,AI 已能自動生成有效的漏洞研究、逆向工程與 PoC,將原本耗時數週的研究壓縮至數小時。這改變了安全行業的節奏,防守方與研究者都必須擁抱 AI 工具。

實用技巧與重點

  • 受影響版本:Steam 10.96.30.42
  • 漏洞類型:本地權限提升(LPE)
  • 利用機制:IPC 進程間通訊濫用
  • 關鍵 IPC 元素:Global\SteamClientService_MemFile、Global\SteamClientService_MemLock
  • 目標應用:Wallpaper Engine(Steam App ID 431960)
  • 攻擊關鍵參數:VDF 文件的 install_dir 字段
  • VDF 簽署驗證:KV signatures(但安裝目錄參數可被劫持)
  • 簡化 PoC 行數:~100 行 PowerShell 腳本
  • 執行二進制:cmd.exe 或任意攻擊者指定程式
  • 防病毒繞過:簡化版本不觸發 Windows Defender(原始二進制會被偵測)
  • 攻擊限制:需要本地存取與 Steam 服務運行

結論

Steam 本地權限提升漏洞展示了 IPC 濫用如何結合簽署機制繞過實現完整系統接管,更重要的是反映了 AI 在網路安全領域已成為改變遊戲規則的力量。

完整解析

Steam 在 Windows 上存在一個嚴重的本地權限提升漏洞,允許普通用戶將權限提升至 NT AUTHORITY\SYSTEM。與常見的遠端代碼執行漏洞不同,這個漏洞需要本地存取,但一旦獲得,攻擊者就能完全控制系統。

漏洞的核心在於 Steam 客戶端服務的進程間通訊(IPC)實現。Steam 服務以 SYSTEM 權限運行,這是最高系統權限。普通用戶可以通過兩個全局 IPC 通道與其通訊:Global\SteamClientService_MemFile 與 Global\SteamClientService_MemLock。講者在演示中展示了如何利用這些通道與服務互動。

攻擊的巧妙之處在於利用 Valve 簽署機制。Steam 使用 VDF(Valve Data Format)文件來配置應用安裝與啟動參數。這些文件由 Valve 簽署以驗證真偽。攻擊者的策略是修改已簽署 VDF 文件中的 install_dir(安裝目錄)參數,將其指向自己控制的目錄。當 Steam 服務執行該應用時,會在攻擊者的目錄中查找二進制文件。攻擊者在該目錄放置惡意程式(如 cmd.exe),服務就會以 SYSTEM 權限執行它。

原始的概念驗證(PoC)由 AI 生成,包含複雜的 C++ 代碼、資源嵌入、多層驗證邏輯與 PowerShell 腳本,總代碼量達數千行。但講者指出,經過簡化與抽象化,實質上只需約 100 行 PowerShell 腳本就能完成同樣功能——直接調用 Steam IPC 接口,在允許清單中添加惡意應用,然後執行即可。簡化版本甚至能繞過 Windows Defender 的偵測,而複雜的原始二進制文件則會被防病毒軟體阻止。

講者強調了一個深層次的觀點:AI 已經深入網路安全研究領域,能自動進行漏洞分析、逆向工程與 PoC 開發。這不僅改變了研究的效率,更改變了整個行業的節奏。未來的防守方與安全研究者都必須適應 AI 驅動的安全生態,利用 AI 工具來加速防守與檢測工作。

73 min
Web2 安全中文11月16日

TryHackMe AI in the Modern SOC | Full Walkthrough 2026

Djalil Ayed看原片 ↗
  • AI 生成內容需要人工驗證:AI 提供初步的案件摘要和假設,但分析師必須通過查詢實際日誌、確認程序關係、檢查時間線來驗證每一個發現,不能直接相信 AI 的输出,因為它可能存在誤差或幻覺。
  • 程序族譜追蹤是關鍵:需要追蹤完整的父進程到子進程的鏈条,記錄每個進程的實體 ID(process entity ID)、父進程實體 ID 和執行時間戳,藉此判斷是否為惡意活動鏈条。
66 min
企業管理中文11月13日

資安事件連環爆,AI淪駭客武器?宏碁二代施宣輝:打造台灣資安龍頭還不夠,為何押注「低軌衛星」搶攻太空新戰局?【哈佛人物面對面】

哈佛商業評論看原片 ↗
  • 資安投資陷阱源於無形價值:資安是預防性成本,當沒有駭客入侵時使用者感受不到價值,導致企業傾向於不投資。企業即使遭受攻擊後復原,由於沒有聯防機制,駭客的AI大腦會立即將攻擊手法複製到其他目標,形成全球皆然的惡性循環。
  • 駭客AI化改變攻擊規則:AI語言模型具有單一大腦同服多人的特性,一旦找到攻擊方法就能同時突破所有使用同一系統的用戶。因此個別企業的自我修復已經失效,必須轉向整個供應鏈的聯防體系才能應對。
10 min
Web2 安全中文11月2日

I Used AI to Pick My Bug Bounty Targets

  • 漏洞賞金領域競爭激烈,大型知名程序的簡單漏洞已被眾多獵人發現,初學者會面臨重複提交和被忽視的風險,因此應選擇新程序和新增範圍以獲得更多機會。
  • 五個關鍵篩選指標為:回應時間(追求24小時快速回應,避免一個月以上),範圍大小和新鮮度(新添加的資產競爭較少),程序年齡(2025-2026年啟動的新程序較佳),安全政策規範檢查,報酬結構(穩定中等報酬的冷門程序優於高報酬但擁擠的大牌項目)