From a1fb63d156a8ad079a37b097f234629ce004890f Mon Sep 17 00:00:00 2001 From: Translator Date: Thu, 23 Oct 2025 11:00:20 +0000 Subject: [PATCH] Translated ['src/pentesting-cloud/aws-security/aws-services/aws-sagemake --- .../aws-services/aws-sagemaker-enum/README.md | 86 +++++++++---------- 1 file changed, 42 insertions(+), 44 deletions(-) diff --git a/src/pentesting-cloud/aws-security/aws-services/aws-sagemaker-enum/README.md b/src/pentesting-cloud/aws-security/aws-services/aws-sagemaker-enum/README.md index 915dc534c..8b6c2185c 100644 --- a/src/pentesting-cloud/aws-security/aws-services/aws-sagemaker-enum/README.md +++ b/src/pentesting-cloud/aws-security/aws-services/aws-sagemaker-enum/README.md @@ -1,32 +1,32 @@ -# AWS - SageMaker Καταγραφή +# AWS - SageMaker Enum {{#include ../../../../banners/hacktricks-training.md}} ## Επισκόπηση Υπηρεσίας -Το Amazon SageMaker είναι η διαχειριζόμενη πλατφόρμα μηχανικής μάθησης της AWS που συνδέει notebooks, υποδομές εκπαίδευσης, orchestration, registries και managed endpoints. Μια παραβίαση πόρων SageMaker συνήθως παρέχει: +Το Amazon SageMaker είναι η διαχειριζόμενη πλατφόρμα μηχανικής μάθησης της AWS που συγκεντρώνει notebooks, training infrastructure, orchestration, registries και managed endpoints. Μια παραβίαση πόρων του SageMaker συνήθως παρέχει: -- Μακροχρόνιες IAM execution roles με εκτεταμένη πρόσβαση σε S3, ECR, Secrets Manager ή KMS. -- Πρόσβαση σε ευαίσθητα datasets αποθηκευμένα σε S3, EFS ή μέσα σε feature stores. -- Δικτυακές εστίες μέσα σε VPCs (Studio apps, training jobs, endpoints). -- Presigned URLs υψηλών προνομίων που παρακάμπτουν την αυθεντικοποίηση της κονσόλας. +- Μακροχρόνιοι IAM execution roles με ευρεία πρόσβαση σε S3, ECR, Secrets Manager ή KMS. +- Πρόσβαση σε ευαίσθητα σύνολα δεδομένων αποθηκευμένα σε S3, EFS ή μέσα σε feature stores. +- Network footholds εντός VPCs (Studio apps, training jobs, endpoints). +- High-privilege presigned URLs που παρακάμπτουν το console authentication. -Η κατανόηση του πώς συναρμολογείται το SageMaker είναι κρίσιμη πριν pivot, persist, ή exfiltrate δεδομένα. +Η κατανόηση του πώς είναι δομημένο το SageMaker είναι κρίσιμη πριν κάνετε pivot, persist, ή exfiltrate δεδομένα. ## Κύρια Συστατικά -- **Studio Domains & Spaces**: Web IDE (JupyterLab, Code Editor, RStudio). Κάθε domain έχει κοινόχρηστο σύστημα αρχείων EFS και προεπιλεγμένο execution role. -- **Notebook Instances**: Managed EC2 instances για standalone notebooks· χρησιμοποιούν ξεχωριστούς ρόλους εκτέλεσης. -- **Training / Processing / Transform Jobs**: Εφήμερα containers που τραβούν code από ECR και δεδομένα από S3. -- **Pipelines & Experiments**: Ορχηστρωμένες ροές εργασίας που περιγράφουν όλα τα βήματα, τις εισόδους και τις εξόδους. +- **Studio Domains & Spaces**: Web IDE (JupyterLab, Code Editor, RStudio). Κάθε domain διαθέτει ένα κοινό σύστημα αρχείων EFS και προεπιλεγμένο execution role. +- **Notebook Instances**: Managed EC2 instances για standalone notebooks· χρησιμοποιούν ξεχωριστά execution roles. +- **Training / Processing / Transform Jobs**: Προσωρινά containers που τραβούν κώδικα από ECR και δεδομένα από S3. +- **Pipelines & Experiments**: Orchestrated workflows που περιγράφουν όλα τα βήματα, τα inputs και τα outputs. - **Models & Endpoints**: Συσκευασμένα artefacts αναπτυγμένα για inference μέσω HTTPS endpoints. -- **Feature Store & Data Wrangler**: Managed υπηρεσίες για προετοιμασία δεδομένων και διαχείριση features. -- **Autopilot & JumpStart**: Automated ML και curated κατάλογος μοντέλων. -- **MLflow Tracking Servers**: Managed MLflow UI/API με presigned access tokens. +- **Feature Store & Data Wrangler**: Διαχειριζόμενες υπηρεσίες για προετοιμασία δεδομένων και διαχείριση χαρακτηριστικών. +- **Autopilot & JumpStart**: Αυτοματοποιημένο ML και επιμελημένος κατάλογος μοντέλων. +- **MLflow Tracking Servers**: Διαχειριζόμενο MLflow UI/API με presigned access tokens. -Κάθε resource αναφέρεται σε execution role, S3 locations, container images και προαιρετική VPC/KMS διαμόρφωση — καταγράψτε όλα αυτά κατά τη διάρκεια της enumeration. +Κάθε resource αναφέρει ένα execution role, τοποθεσίες S3, container images, και προαιρετική VPC/KMS διαμόρφωση — καταγράψτε όλα αυτά κατά τη διάρκεια της enumeration. -## Λογαριασμός & Παγκόσμια Μεταδεδομένα +## Account & Global Metadata ```bash REGION=us-east-1 # Portfolio status, used when provisioning Studio resources @@ -39,9 +39,9 @@ aws sagemaker list-models --region $REGION --query 'Models[].ExecutionRoleArn' - # Generic tag sweep across any SageMaker ARN you know aws sagemaker list-tags --resource-arn --region $REGION ``` -Σημειώστε οποιαδήποτε cross-account trust (execution roles ή S3 buckets με external principals) και βασικούς περιορισμούς όπως service control policies ή SCPs. +Σημειώστε οποιαδήποτε cross-account trust (execution roles ή S3 buckets με external principals) και βασικούς περιορισμούς, όπως service control policies ή SCPs. -## Studio Domains, Apps & Shared Spaces +## Studio Τομείς, Εφαρμογές & Κοινόχρηστοι Χώροι ```bash aws sagemaker list-domains --region $REGION aws sagemaker describe-domain --domain-id --region $REGION @@ -63,11 +63,11 @@ aws sagemaker describe-studio-lifecycle-config --studio-lifecycle-config-name [!TIP] -> Presigned Studio URLs μπορούν να παρακάμψουν τον έλεγχο ταυτότητας εάν χορηγηθούν ευρέως. +> Οι Presigned Studio URLs μπορούν να παρακάμψουν την αυθεντικοποίηση εάν χορηγηθούν ευρέως. ## Notebook Instances & Lifecycle Configs ```bash @@ -76,13 +76,13 @@ aws sagemaker describe-notebook-instance --notebook-instance-name --regio aws sagemaker list-notebook-instance-lifecycle-configs --region $REGION aws sagemaker describe-notebook-instance-lifecycle-config --notebook-instance-lifecycle-config-name --region $REGION ``` -Τα μεταδεδομένα του notebook αποκαλύπτουν: +Τα metadata του notebook αποκαλύπτουν: -- Ρόλος εκτέλεσης (`RoleArn`), άμεση πρόσβαση στο Internet έναντι λειτουργίας μόνο σε VPC. -- Τοποθεσίες S3 σε `DefaultCodeRepository`, `DirectInternetAccess`, `RootAccess`. -- Lifecycle scripts για credentials ή persistence hooks. +- Το role εκτέλεσης (`RoleArn`), άμεση πρόσβαση στο Internet έναντι λειτουργίας μόνο σε VPC. +- Τοποθεσίες S3 στα `DefaultCodeRepository`, `DirectInternetAccess`, `RootAccess`. +- Σενάρια lifecycle για credentials ή persistence hooks. -## Εκπαίδευση, Επεξεργασία, Transform & Batch Jobs +## Training, Processing, Transform & Batch Jobs ```bash aws sagemaker list-training-jobs --region $REGION aws sagemaker describe-training-job --training-job-name --region $REGION @@ -100,7 +100,7 @@ aws sagemaker describe-transform-job --transform-job-name --region $REGION - `ResourceConfig.VolumeKmsKeyId`, `VpcConfig`, `EnableNetworkIsolation` – καθορίζουν τη δικτυακή ή κρυπτογραφική διαμόρφωση. - `HyperParameters` may leak environment secrets or connection strings. -## Pipelines, Πειράματα & Δοκιμές +## Pipelines, Experiments & Trials ```bash aws sagemaker list-pipelines --region $REGION aws sagemaker list-pipeline-executions --pipeline-name --region $REGION @@ -110,7 +110,7 @@ aws sagemaker list-experiments --region $REGION aws sagemaker list-trials --experiment-name --region $REGION aws sagemaker list-trial-components --trial-name --region $REGION ``` -Οι ορισμοί pipeline περιγράφουν κάθε βήμα, τους συναφείς ρόλους, τις container images και τις μεταβλητές περιβάλλοντος. Τα Trial components συχνά περιέχουν training artefact URIs, S3 logs και μετρικές που υποδηλώνουν τη ροή ευαίσθητων δεδομένων. +Οι ορισμοί των pipeline αναλύουν κάθε βήμα, τους σχετιζόμενους ρόλους, τις εικόνες κοντέινερ και τις μεταβλητές περιβάλλοντος. Τα trial components συχνά περιέχουν URIs artefact εκπαίδευσης, S3 logs και μετρήσεις που υποδεικνύουν τη ροή ευαίσθητων δεδομένων. ## Μοντέλα, Διαμορφώσεις Endpoint & Αναπτυγμένα Endpoints ```bash @@ -123,12 +123,10 @@ aws sagemaker describe-endpoint-config --endpoint-config-name --region $RE aws sagemaker list-endpoints --region $REGION aws sagemaker describe-endpoint --endpoint-name --region $REGION ``` -Focus areas: - -- S3 URIs των artefact του μοντέλου (`PrimaryContainer.ModelDataUrl`) και inference container images. -- Διαμόρφωση data capture του Endpoint (S3 bucket, KMS) για πιθανό log exfil. +- S3 URIs των αντικειμένων του μοντέλου (`PrimaryContainer.ModelDataUrl`) και εικόνες κοντέινερ για inference. +- Διαμόρφωση data capture του Endpoint (S3 bucket, KMS) για πιθανή log exfil. - Multi-model endpoints που χρησιμοποιούν `S3DataSource` ή `ModelPackage` (έλεγχος για cross-account packaging). -- Network configs και security groups που είναι επισυναπτόμενα στα endpoints. +- Διαμορφώσεις δικτύου και security groups συνδεδεμένα με endpoints. ## Feature Store, Data Wrangler & Clarify ```bash @@ -141,11 +139,11 @@ aws sagemaker describe-data-wrangler-flow --flow-name --region $REGION aws sagemaker list-model-quality-job-definitions --region $REGION aws sagemaker list-model-monitoring-schedule --region $REGION ``` -Συμπεράσματα ασφάλειας: +Security takeaways: -- Online feature stores αναπαράγουν δεδομένα στο Kinesis· ελέγξτε το `OnlineStoreConfig.SecurityConfig.KmsKeyId` και το VPC. -- Data Wrangler flows συχνά ενσωματώνουν JDBC/Redshift διαπιστευτήρια ή ιδιωτικά endpoints. -- Clarify/Model Monitor jobs εξάγουν δεδομένα σε S3 που ενδέχεται να είναι αναγνώσιμα από όλους ή προσβάσιμα cross-account. +- Οι online feature stores αναπαράγουν δεδομένα στο Kinesis; ελέγξτε `OnlineStoreConfig.SecurityConfig.KmsKeyId` και το VPC. +- Οι ροές του Data Wrangler συχνά ενσωματώνουν διαπιστευτήρια JDBC/Redshift ή ιδιωτικά endpoints. +- Οι εργασίες Clarify/Model Monitor εξάγουν δεδομένα σε S3, τα οποία μπορεί να είναι δημόσια αναγνώσιμα ή προσβάσιμα από άλλους λογαριασμούς. ## MLflow Tracking Servers, Autopilot & JumpStart ```bash @@ -158,15 +156,15 @@ aws sagemaker describe-auto-ml-job --auto-ml-job-name --region $REGION aws sagemaker list-jumpstart-models --region $REGION aws sagemaker list-jumpstart-script-resources --region $REGION ``` -- MLflow tracking servers αποθηκεύουν πειράματα και artefacts; presigned URLs μπορούν να εκθέσουν τα πάντα. -- Οι Autopilot jobs εκκινούν πολλαπλά training jobs — απαριθμήστε τα outputs για κρυμμένα δεδομένα. +- Οι MLflow διακομιστές παρακολούθησης αποθηκεύουν πειράματα και artefacts· οι presigned URLs μπορούν να εκθέσουν τα πάντα. +- Τα Autopilot jobs εκκινούν πολλαπλά training jobs — απαριθμήστε τα outputs για κρυμμένα δεδομένα. - Οι JumpStart reference architectures ενδέχεται να αναπτύξουν privileged roles στον λογαριασμό. -## IAM & Networking Considerations +## IAM & Δικτυακά Θέματα προς Εξέταση -- Απαριθμήστε τις IAM policies που είναι συνδεδεμένες με όλους τους ρόλους εκτέλεσης (Studio, notebooks, training jobs, pipelines, endpoints). -- Ελέγξτε τα network contexts: subnets, security groups, VPC endpoints. Πολλοί οργανισμοί απομονώνουν training jobs αλλά ξεχνούν να περιορίσουν την εξερχόμενη κίνηση. -- Ελέγξτε τις S3 bucket policies που αναφέρονται σε `ModelDataUrl`, `DataCaptureConfig`, `InputDataConfig` για εξωτερική πρόσβαση. +- Απαριθμήστε τις IAM policies που είναι συνημμένες σε όλους τους ρόλους εκτέλεσης (Studio, notebooks, training jobs, pipelines, endpoints). +- Ελέγξτε τα συμφραζόμενα δικτύου: subnets, security groups, VPC endpoints. Πολλές οργανώσεις απομονώνουν training jobs αλλά ξεχνούν να περιορίσουν την εξερχόμενη κυκλοφορία. +- Εξετάστε τις S3 bucket policies που αναφέρονται σε `ModelDataUrl`, `DataCaptureConfig`, `InputDataConfig` για εξωτερική πρόσβαση. ## Privilege Escalation @@ -192,7 +190,7 @@ aws sagemaker list-jumpstart-script-resources --region $REGION ../../aws-unauthenticated-enum-access/aws-sagemaker-unauthenticated-enum/README.md {{#endref}} -## References +## Αναφορές - [AWS SageMaker Documentation](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html) - [AWS CLI SageMaker Reference](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/index.html)