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 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>