博客
关于我
Chrome 远程代码执行0Day 简单复现
阅读量:190 次
发布时间:2019-02-28

本文共 630 字,大约阅读时间需要 2 分钟。

谷歌浏览器远程代码执行漏洞的复现过程

今天,我听说了关于谷歌浏览器最新版的一个远程代码执行漏洞。这个漏洞被称为0day,而且已经有开发者在GitHub上发布了相关EXP代码。作为刚开始接触安全研究的新手,我决定亲自试试看这个漏洞是否真的存在。

首先,我在本地环境中准备了一个虚拟机。根据某些报道,这个漏洞可能与Google Chrome的沙盒模式有关。因此,我在虚拟机中安装了最新的Google Chrome浏览器版本89.0.4389.114,确保浏览器没有启用沙盒模式。

为了确保沙盒模式关闭,我在Chrome的启动命令中添加了-no-sandbox参数。这一步非常重要,因为沙盒模式可以防止恶意代码的执行。如果沙盒模式已经启用,可能会导致页面无法加载。

接下来,我从GitHub上下载了提供的EXP文件。这个EXP文件包含了两个文件:exploit.htmlexploit.js。我使用已经配置好的Google Chrome浏览器打开了这个HTML文件。

在打开文件的瞬间,我的虚拟机屏幕突然弹出了计算器。这证明了漏洞确实存在,并且我的环境配置是正确的。

此外,我还发现了其他开发者已经在GitHub上发布了类似的POC(Proof of Concept,证明概念)。这些代码可以帮助进一步验证和研究这个漏洞的影响范围。

总的来说,这次实验让我对谷歌浏览器的安全性有了更深入的了解。虽然这个漏洞已经被修复,但它提醒了我在配置浏览器时需要注意的一些细节。

转载地址:http://siis.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
查看>>
OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>