KeyFrame內部研究專用

TryHackMe Fools Mate, Revenge | Prototype Pollution | Full Walkthrough 2026

Djalil Ayed15 min英文
觀看原始影片

三句話摘要

演示通過 JavaScript prototype pollution 漏洞繞過服務器端安全驗證的 CTF 挑戰解法。 當遇到被過濾的 JSON 端點時,prototype pollution 是在質量分配失效後值得嘗試的高級利用技巧,尤其是使用 `constructor.prototype` 來繞過 `__proto__` 的過濾。 防禦層級遷移:與前一個房間不同,驗證邏輯由服務器執行,服務器返回的錯誤訊息「session config and locked is not set」明確指出需要設置的變數,無法通過客戶端修改繞過。

重點整理

  1. 防禦層級遷移:與前一個房間不同,驗證邏輯由服務器執行,服務器返回的錯誤訊息「session config and locked is not set」明確指出需要設置的變數,無法通過客戶端修改繞過。

  2. 識別 JSON 端點漏洞:通過網絡流量檢查,發現偏好設置端點(preferences endpoint)接受 JSON 格式數據,嘗試在此端點進行質量分配攻擊,但被過濾。

  3. Prototype pollution 替代方案:當質量分配失效時,利用 JavaScript 對象原型鏈特性,通過注入 `constructor.prototype` 來污染全局對象,使新屬性應用到所有對象實例。

  4. 繞過過濾的技巧:`__proto__` 語法被過濾,但 `constructor.prototype` 未被過濾,改用後者成功傳遞 payload 並修改應用行為。

實用技巧與重點

  • 被驗證的變數:`locked`
  • 需要設置的值:`true`
  • 目標端點:偏好設置端點
  • 被過濾的語法:`__proto__`
  • 有效 payload 語法:`constructor.prototype.unlock=true` 或 `constructor.prototype.locked=true`
  • 請求方式:POST JSON
  • 服務器初始錯誤訊息:「reward gate closed, session config and locked is not set」

結論

當遇到被過濾的 JSON 端點時,prototype pollution 是在質量分配失效後值得嘗試的高級利用技巧,尤其是使用 `constructor.prototype` 來繞過 `__proto__` 的過濾。

完整解析

這支影片演示的是一個網絡安全 CTF 挑戰的解決過程。講者首先通過檢查網絡流量發現,與前一個房間不同的關鍵差異在於防禦機制已經遷移到了服務器端。當他嘗試直接修改客戶端狀態時,服務器返回的錯誤訊息清楚地表示「session config and locked is not set」,這提示他需要以某種方式設置一個與 `locked` 相關的變數。

講者接著嘗試了最直接的攻擊方法——質量分配(mass assignment)。他在 API 請求中添加 `unlocked=true` 等參數,但服務器沒有接受。然後他發現應用中的偏好設置端點也使用 JSON 格式,他繼續在該端點上嘗試質量分配,但同樣被過濾。

當傳統方法失效時,講者轉向了 JavaScript 特定的高級漏洞——prototype pollution。他首先嘗試使用 `__proto__` 語法來污染原型鏈,但發現這個語法被過濾了。隨後他改用 `constructor.prototype` 的方式繞過過濾。通過構造 `constructor.prototype.unlock=true` 這樣的 payload,他成功地污染了全局 JavaScript 對象。當服務器處理了這個 payload 後,應用的行為發生了改變。講者重新加載頁面並發送請求,系統終於認可了變數已被設置,返回了成功訊息並授予了 flag。有趣的是,由於原型已被全局污染,即使重置遊戲狀態,每次都會自動獲得 flag。

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)