Falha crítica do React2Shell RCE explorada ativamente para executar código malicioso – Against Invaders

Falha crítica do React2Shell RCE explorada ativamente para executar código malicioso - Against Invaders

Uma vulnerabilidade crítica de execução remota de código em Servidor React Os componentes surgiram como um alvo de exploração ativo, com pesquisadores de segurança observando ataques automatizados generalizados na Internet.

A falha, rastreada comoCVE-2025-55182 e apelidada de “React2Shell”, afeta o React e os ecossistemas downstream, incluindo a popular estrutura Next.js, gerando pedidos urgentes de correção imediata.

ID do CVE Vulnerabilidade Pontuação CVSS Gravidade Produtos afetados
CVE-2025-55182 Componentes do React Server Desserialização insegura RCE 10,0 Crítico Componentes do servidor React, Next.js

Pesquisadores de segurança GreyNoise detectaram tentativas de exploração oportunistas consistentes com a vulnerabilidade recentemente divulgada no protocolo “Flight” do React Server Components (RSC).

O problema de gravidade máxima permite a execução remota de código não autenticado em implantações vulneráveis, permitindo que invasores executem código malicioso em sistemas afetados sem exigir quaisquer credenciais de autenticação.

Visão geral da vulnerabilidade

A telemetria de segurança revela um padrão de ataque moderno e familiar, com os agentes de ameaças implantando uma combinação de infraestrutura nova e legada para adaptar suas campanhas.

As impressões digitais do cliente HTTP e da pilha TCP mostram características predominantemente de automação, em vez de comportamento de navegação orgânico.

Os pesquisadores já detectaram a vulnerabilidade sendo integrada ao Mirai e outros kits de exploração de botnets, sinalizando uma rápida transformação da falha em arma.

As tentativas iniciais de exploração utilizam código de prova de conceito divulgado publicamente como base.

Os invasores começam com testes de prova de execução usando comandos aritméticos do PowerShell para validar recursos de execução remota de código.

Essas técnicas de validação “matemática barata” deixam artefatos de endpoint mínimos enquanto confirmam a exploração bem-sucedida.

Após a validação bem-sucedida, os invasores implantam PowerShell stagers que baixam e executam cargas secundárias.

A carga útil do estágio 2 emprega técnicas de reflexão para ignorar os controles de segurança do Windows, definindo System.Management.Automation.AmsiUtils.amsiInitFailed como true, desativando efetivamente as interfaces de verificação antimalware.

Esta abordagem sofisticada em várias fases demonstra a maturidade das actuais campanhas de exploração.

A análise de tráfego mostra tentativas de exploração originadas de números de sistemas autônomos altamente concentrados associados à Holanda, China, Estados Unidos, Hong Kong e vários outros países.

Quase 50 por cento dos endereços IP de exploração observados foram observados pela primeira vez em dezembro de 2025, indicando a rápida rotação da infraestrutura, típica das modernas campanhas de exploração oportunistas que utilizam VPS e pools de proxy.

Os principais agentes de usuário identificados incluem Go-http-client, marcadores de scanner Assetnote e várias strings de navegador, confirmando a natureza automatizada desses ataques.

Os pesquisadores de segurança enfatizam que, embora as técnicas de ataque não sejam novas, a exploração de alto rendimento representa sérios riscos para roubo de credenciaiscriptomineração, preparação de ransomware e atividades de corretor de acesso.

As organizações são incentivadas a aplicar imediatamente os patches disponíveis, implementar detecção de endpoint de alta qualidade e utilizar impressões digitais de rede para isolar o tráfego de entrada potencialmente malicioso.

Os defensores podem aproveitar plataformas de inteligência contra ameaças para bloquear endereços IP maliciosos associados a esta campanha. Ao mesmo tempo, a onda de exploração continua a evoluir.

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

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.