you can't be serious
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
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。
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。
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。
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。


