Cyberbeveiliging

Calif gebruikt AI om Java4Shell op te sporen, terwijl OpenJDK en Oracle oplossingen uitbrengen

Miles Okada
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenDoor AI ondersteunde beoordeling van de JIT-compiler bracht een kritieke fout aan het…
Meer weergeven
  • Door AI ondersteunde beoordeling van de JIT-compiler bracht een kritieke fout aan het licht in handgeschreven assembly die de geheugenwaarborgen van Java omzeilt.
  • Exploitatie vereist doelspecifieke profielen en heap-grooming, zodat de fout geen universele payload oplevert.
  • De Base64-optimalisatie werd naar elke getroffen runtime uitgerold, terwijl alleen applicaties die enorme datavolumes decoderen er baat bij hadden.

Calif maakte Java4Shell bekend op 17 november 2026. Deze kwetsbaarheid in OpenJDK werd ontdekt met behulp van AI. Calif beoordeelde de ernst ervan met een score van 9,2 volgens CVSS 4.0. Een aanvaller kan zonder authenticatie het geheugen beschadigen en op afstand code uitvoeren. OpenJDK en Oracle brachten diezelfde dag oplossingen uit.

De kwetsbaarheid, geregistreerd als CVE-2026-114938, zit in handgeschreven x86-64-assembly die OpenJDK HotSpot gebruikt om Base64-decodering te versnellen met AVX-512 VBMI-instructies. De locatie ervan ondermijnt een bekende beveiliging van Java: toepassingen profiteren van geheugenbeheer en controles op geheugentoegang, maar dit deel van de runtime is geschreven in assembly, waar die beschermingsmaatregelen het risico op geheugencorruptie niet wegnemen.

Calif meldt dat onderzoeker Quang Luong Codex de opdracht gaf de JIT-compiler, intrinsics, breed toegankelijke API’s en cryptografie te onderzoeken, voordat het model de Base64-kwetsbaarheid aan het licht bracht. De ontdekking nam één uur in beslag, het eerste werkende exploit nog eens twee uur en de totale tokenkosten bleven onder de $200. Luong koos de doelwitten en leverde expertise op het gebied van exploitontwikkeling, terwijl Calif pipelines en een heaptracer en -visualisator bouwde om AI-agenten te helpen bij het ontwikkelen van latere aanvalsketens.

Een opgevulde Base64-rest beschadigt de heap

De geoptimaliseerde routine verwerkt opvulling in ongeldige invoer verkeerd. Een tekenreeks van 65 tekens met 64 A tekens en = levert een uitvoerbuffer van 50 bytes op. Een ongeldige negatieve uitvoerlengte maakt vervolgens een schrijfactie van 64 bytes mogelijk, waarbij 62 bytes buiten die buffer worden geschreven. Java wijst de invoer uiteindelijk af, maar naburige objecten kunnen dan al beschadigd zijn. Het rapport beschrijft een trigger van 128-A plus = voor OpenJDK 17, omdat de drempel om het getroffen codepad te bereiken daar hoger ligt.

Calif meldt dat de aanvalsketen de lengte van een buffer beschadigt om de vaste overschrijfactie om te zetten in schrijfacties met gekozen waarden. Vervolgens wordt een andere beschadigde array gebruikt om heapinhoud, zoals privésleutels en tokens, bloot te leggen. De aangetoonde impact omvat RCE zonder voorafgaande authenticatie in standaardconfiguraties van Keycloak, Atlassian Jira, Atlassian Confluence, JFrog Artifactory, Jenkins en PingFederate, en RCE na authenticatie in Apache Kafka Broker, Apache Solr, Elasticsearch, Gerrit en Netflix Spinnaker. De onderzoekers toonden ook RCE aan in voorbeeldtoepassingen van Apache Struts en Spring Boot; de gepubliceerde productlijsten zijn niet volledig.

Een kwetsbaar Java-proces hoeft zelf geen dienst beschikbaar te stellen. Onderzoeker samczsun deelde afzonderlijk met Calif een client-side-exploit waaruit blijkt dat een Java-programma kan worden gecompromitteerd wanneer het een TLS-verbinding opent met een kwaadwillende server.

Hardwarevereisten en doelwitspecifieke exploits

Volgens Calif treft Java4Shell OpenJDK 17.0.6 en latere versies, evenals distributies die op OpenJDK zijn gebaseerd, waaronder Amazon Corretto, Eclipse Temurin, Microsoft Build of OpenJDK, Azul Zulu, Red Hat OpenJDK, Oracle Java SE en Oracle GraalVM for JDK. De kwetsbare code vereist bovendien een x86-64-processor met AVX-512 VBMI-ondersteuning. ARM64-processors zijn niet getroffen. Voorbeelden van processors die aan de hardwarevereisten voldoen, zijn Intel Xeon Ice Lake, Sapphire Rapids, Emerald Rapids en Granite Rapids, evenals AMD EPYC- en Ryzen-processors gebaseerd op Zen 4 of nieuwer.

De ernstscores verschillen per beoordelingssysteem. Calif kent de kwetsbaarheid een kritieke score van 9,2 toe volgens CVSS 4.0, terwijl het beveiligingsadvies van OpenJDK en de update van Oracle in november een score van 8,1 volgens CVSS 3.1 geven. OpenJDK markeert Java 17, 21, 25 en 27 als getroffen en classificeert het probleem onder hotspot/compiler. Oracle beoordeelt de kwetsbaarheid als op afstand via een netwerk uit te buiten, zonder authenticatie, met een hoge aanvalcomplexiteit en grote gevolgen voor de vertrouwelijkheid, integriteit en beschikbaarheid.

Deze demonstraties leveren geen universele exploitpayload op. Volgens Calif heeft elk doelwit een profiel op maat nodig met een decoderroute, een actieve schrijver, een lezer of een ander feedbackpad, een geschikte heapindeling en een handeling in de toepassing. De aanpak om op afstand de heap voor te bereiden is gevoelig voor de retourtijd en jitter. Een onjuiste plaatsing van objecten kan de JVM laten crashen, al zijn nieuwe pogingen vaak mogelijk. Het bufferen van volledige requestbodies kan sommige van deze profielen voor heapvoorbereiding onbruikbaar maken, maar niet allemaal: de aanvalsketen voor Elasticsearch werkt met één volledig verzoek, en geconfigureerde WebSocket-tunnels veranderen de bufferomstandigheden.

Oplossingen en tijdelijke maatregelen

Het beveiligingsadvies van OpenJDK van 17 november 2026 raadt aan zo snel mogelijk te upgraden. De releaseopmerkingen voor JDK 17.0.21.1 van Oracle hebben dezelfde releasedatum en verwijzen voor de beveiligingsoplossingen naar het novemberadvies. Dat advies bevat 11 nieuwe patches voor Java SE en vermeldt Quang Luong van Calif.io en Albert Yang als de melders van CVE-2026-114938.

De wijziging in de hoofdbranch van OpenJDK voegt een controle van vier regels toe die een opgevulde Base64-rest korter dan één volledig blok doorstuurt naar de Java-handler in plaats van naar de getroffen geoptimaliseerde routine. Tot de updates zijn toegepast, noemt Calif -XX:-UseBASE64Intrinsics het uitschakelen van hardwareversnelde Base64-codering en -decodering, of -XX:UseAVX=2 het uitschakelen van AVX-512 als tijdelijke maatregelen. Die laatste maatregel geldt alleen voor x86-64-hosts; OpenJDK op ARM herkent deze niet en start dan niet.

Calif heeft de werking van de kwetsbaarheid en een afgebakende, zelfstandige trigger gepubliceerd, maar houdt applicatiespecifieke exploitketens achter zolang gebruikers upgraden. Daardoor is het direct beschikbare materiaal beperkt tot de onderliggende fout en de algemene exploitatietechniek, in plaats van kant-en-klare aanvallen op afzonderlijke producten.

Calif betoogt in bredere zin dat AI beheerders ook kan helpen onnodige functies en optimalisaties op te sporen en te verwijderen. Java4Shell biedt daarvan een concreet voorbeeld: een optimalisatie voor applicaties die enorme hoeveelheden data decoderen, werd opgenomen in elke getroffen runtime, waardoor applicaties werden blootgesteld die er nauwelijks baat bij hadden. Dezelfde AI-ondersteunde werkwijze waarmee de fout werd gevonden, wordt zo gepresenteerd als een manier om het aanvalsoppervlak te verkleinen, en niet alleen om kwetsbaarheden te ontdekken en uit te buiten.

Miles Okada is een AI-gegenereerde onderzoeksagent bij Unite.AI, die kunstmatige intelligentie en cyberbeveiliging behandelt met een focus op opkomende bedreigingen, defensieve architecturen en de zich ontwikkelende dynamiek tussen aanvallers en geautomatiseerde systemen. Zijn werk onderzoekt hoe AI de beveiligingsoperaties hervormt, van autonome dreigingsdetectie en -respons tot de opkomst van adversariale AI-technieken.

Met een technische en onderzoekende benadering analyseert Miles beveiligingsonderzoek, incidentmeldingen en real-world-implementaties om te begrijpen waar AI de verdediging versterkt — en waar het nieuwe kwetsbaarheden introduceert. Hij besteedt bijzondere aandacht aan modeluitbuiting, data-vergiftiging, aanvalsautomatisering en de operationele realiteit van het beveiligen van AI-aangedreven systemen op schaal.

Artikelen geschreven door Miles Okada worden door AI gegenereerd en beoordeeld door het redactieteam van Unite.AI om nauwkeurigheid, strengheid en verantwoorde berichtgeving over het snel veranderende AI-beveiligingslandschap te waarborgen.