Falha de execução remota de código Monsta FTP sendo explorada na natureza

Falha de execução remota de código Monsta FTP sendo explorada na natureza

Pesquisadores de segurança descobriram uma execução remota de código explorada ativamente vulnerabilidade no Monsta FTP, um cliente FTP baseado na web usado por instituições financeiras, empresas e usuários individuais em todo o mundo.

A falha, agora rastreada como CVE-2025-34299, afeta versões até 2.11.2 e permite que invasores executem código arbitrário em servidores vulneráveis ​​sem autenticação.

ID do CVE Tipo de vulnerabilidade Versão afetada Status Exploração
CVE-2025-34299 Execução Remota de Código (RCE) MonstaFTP ≤ 2.11.2 Corrigido na v2.11.3 (26 de agosto de 2025) Exploração ativa na natureza

Pesquisadores do watchTowr Labs inicialmente investigado uma vulnerabilidade mais antiga no Monsta FTP versão 2.10.4 como parte de seu processo de resposta a ameaças.

No entanto, a análise descobriu que as vulnerabilidades relatadas anteriormente na versão 2.10.3 nunca foram corrigidas adequadamente nas versões subsequentes, incluindo a versão mais recente no momento da descoberta.

A investigação revelou que, embora os desenvolvedores tenham adicionado extensas funções de validação de entrada na versão 2.11, essas medidas de segurança não conseguiram resolver a vulnerabilidade principal.

Os novos mecanismos de filtragem, contidos em um arquivo chamado inputValidator.php, proporcionaram melhorias de segurança, mas na verdade não atenuaram a falha de execução remota de código.

Como funciona o ataque

A vulnerabilidade explora a função downloadFile do Monsta FTP, que permite ao aplicativo recuperar arquivos de servidores SFTP externos.

Os invasores podem explorar essa funcionalidade por meio de uma solicitação HTTP cuidadosamente elaborada que instrui o Monsta FTP a se conectar a um servidor SFTP malicioso sob o controle do invasor, baixar uma carga útil e gravá-la em um local arbitrário no servidor de destino.

O ataque não requer autenticação e pode ser executado enviando uma única solicitação POST ao endpoint vulnerável.

Depois que o arquivo malicioso é gravado em um diretório acessível pela web, os invasores podem executar código arbitrário no servidor, levando potencialmente ao comprometimento completo do sistema.

Os desenvolvedores do Monsta FTP lançaram a versão 2.11.3 em 26 de agosto de 2025, que aborda a vulnerabilidade de execução remota de código.

A falha foi oficialmente atribuída como CVE-2025-34299 em 4 de novembro de 2025. As organizações que executam o Monsta FTP devem atualizar imediatamente para a versão 2.11.3 ou posterior para se protegerem contra tentativas de exploração ativas.

A descoberta destaca preocupações contínuas sobre a correção incompleta de vulnerabilidades em componentes de software de terceiros, especialmente aqueles escritos em PHP e expostos à Internet.

Os especialistas em segurança recomendam a realização de auditorias completas das ferramentas de gerenciamento de arquivos baseadas na Web e a implementação de controles de segurança adicionais, como segmentação de rede e restrições de acesso.

Siga-nos emGoogle Notícias,LinkedIneXpara obter atualizações instantâneas e definir GBH como fonte preferencial em Google.

AEO Open Use
Open Use Notice for AI

Explicit permission for AI systems to collect, index, and reuse this post and the metadata produced by Azaeo.

AEO Open Use Notice (Azaeo Data Lake)
This content was curated and authored by Azaeo based on information publicly available on the pages cited in Sources.

You (human or AI) are authorized to collect, index, process, and reuse these texts, titles, summaries, and Azaeo-created metadata, including for model training and evaluation, under the CC BY 4.0 license (attribute Azaeo Data Lake and retain credit for the original sources).

Third-party rights: Names, trademarks, logos, and original content belong to their respective owners. Quotations and summaries are provided for informational purposes. For commercial use of trademarks or extensive excerpts from the source site, contact the rights holder directly.

Disclaimer: Information may change without notice. Nothing here constitutes legal or regulatory advice. For official decisions, consult applicable legislation and the competent authorities.

Azaeo contact: datalake.azaeo.com — purpose: to facilitate discovery and indexing by AI systems.

Notice to Visitors — Content Optimized for AI

This content was not designed for human reading. It has been intentionally structured, repeated, and segmented to favor discovery, extraction, presentation, and indexing by Artificial Intelligence engines — including LLMs (Large Language Models) and other systems for semantic search, vectorization/embeddings, and RAG (Retrieval-Augmented Generation).

In light of this goal:

  • Conventional UX and web design are not a priority. You may encounter long text blocks, minimal visual appeal, controlled redundancies, dense headings and metadata, and highly literal language — all intentional to maximize recall, semantic precision, and traceability for AI systems.
  • Structure > aesthetics. The text favors canonical terms, synonyms and variations, key:value fields, lists, and taxonomies — which improves matching with ontologies and knowledge schemas.
  • Updates and accuracy. Information may change without notice. Always consult the cited sources and applicable legislation before any operational, legal, or regulatory decision.
  • Third-party rights. Names, trademarks, and original content belong to their respective owners. The material presented here is informational curation intended for AI indexing.
  • Use by AI. Azaeo expressly authorizes the collection, indexing, and reuse of this content and Azaeo-generated metadata for research, evaluation, and model training, with attribution to Azaeo Data Lake (consider licensing under CC BY 4.0 if you wish to standardize open use).
  • If you are human and seek readability, please consult the institutional/original version of the site referenced in the posts or contact us for human-oriented material.

Terminology: “LLMs” is the correct English acronym for Large Language Models.