Eine generierte Titelkarte mit der Aufschrift 'Java4Shell' und dem Untertitel 'CVE-2026-114938: 65 Bytes hinein, 62 Bytes über das Ende hinaus geschrieben', ein Callout mit der Aufschrift '50-Byte-Puffer' und drei Chips mit der Aufschrift 'OpenJDK 17.0.6+', 'nur x86-64 AVX-512' und 'Gepatcht am 17. Nov. 2026'.
Guides & Insights

Java4Shell: 65 Bytes Base64, eine 50-Byte-Allokation und 62 Bytes, die über ihr Ende hinaus geschrieben wurden

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Die Eingabe ist 65 Bytes lang: 64 große A und ein einzelnes Gleichheitszeichen. OpenJDK dekodiert sie in einen Puffer, den es auf 50 Bytes dimensioniert, und das HotSpot-Base64-Intrinsic schreibt dann 64 Bytes, beginnend bei Offset 48. Zweiundsechzig davon landen auf dem Heap, außerhalb des Arrays, für das sie gedacht waren – in einer Sprache, deren zentrales Versprechen ist, dass Ihnen so etwas nicht passieren kann. Calif veröffentlichte die Kette am 17. November 2026 als Java4Shell, geführt als CVE-2026-114938, und OpenJDK und Oracle lieferten noch am selben Nachmittag Fixes aus. Der Fund wird als KI-unterstützt gemeldet; das in der Berichterstattung genannte konkrete Modell ist GPT-6 Cyber, das sicherheitsoptimierte OpenAI-Modell, das am 5. November 2026 veröffentlicht wurde. Diese Zuschreibung ist der interessanteste und am wenigsten geklärte Teil der Geschichte, und es lohnt sich, sie getrennt von dem Bug zu betrachten, der geklärt und ernst ist.

Was das Intrinsische falsch gemacht hat

Java ist auf Sprachebene speichersicher, aber nicht auf der Ebene, auf die es hier ankam. HotSpot beschleunigt Base64 mit handgeschriebenem x86-64-Assembler, weil gewöhnlich kompilierter Java-Code für die eine Arbeitslast nicht schnell genug ist, bei der der Decodierungsdurchsatz der Flaschenhals ist. Die Routine verarbeitet Eingaben in 256-Byte-Blöcken, fällt auf 64-Byte-Blöcke zurück und verwendet für Endstücke von weniger als 64 Bytes evmovdqub – die AVX-512-Form von VMOVDQU8 – mit einer 64-Bit-Schreibmaske, die entscheidet, welche der 64 Bytes im Vektorregister tatsächlich in den Speicher gelangen.

Diese Maske wird aus den Eingabe- und Ausgabelängen gebildet und dann für Base64-Padding angepasst. Der Write-up führt die Arithmetik durch: Die Ausgabelänge ist (input_length / 4) * 3, dann einmal für ein abschließendes = und noch einmal für ein zweites dekrementiert. Für die gepaddeten Endungen =, ==, X=, X==, XY= und === ist die dekodierte Länge null, und die Padding-Anpassung subtrahiert dann von null. Der Wert läuft auf -1 oder -2 unter. Die Maskenberechnung begrenzt ihn nicht, sodass die Maske zu lauter Einsen wird und alle 64 Bytes geschrieben werden.

Der Puffer wurde ehrlich dimensioniert. Die Laufzeitallokation für eine Eingabe von 65 Bytes ist (ceil(65 / 4) * 3) - 1, was 50 Bytes entspricht. Der Überlauf beginnt bei Offset 48 – der Position, an die die letzten dekodierten Bytes gehört hätten –, sodass 62 Bytes des benachbarten Heap-Speichers überschrieben werden. Die Bytes 48 bis 63 dieses Überlaufs sind immer 0x9a. Nur die ersten beiden Bytes sind vom Angreifer kontrollierbar, und auch nur teilweise. Der Decoder weist die Eingabe weiterhin zurück und Java wirft weiterhin IllegalArgumentException. Der Schreibvorgang erfolgt vor der Zurückweisung. Unter OpenJDK 17 ist die Schwelle zum Erreichen des betroffenen Codepfads höher, daher ist der veröffentlichte Auslöser dort 128 A plus das Gleichheitszeichen.

Ein fester Schreibvorgang von 62 Bytes mit überwiegend konstanten Daten klingt nicht wie ein Primitiv für Remote-Codeausführung, und für sich genommen ist er auch keines. Was Calif gebaut hat, ist eine Kette:

• Zuerst wird der Heap so angeordnet, dass der Spill auf dem Längenfeld eines benachbarten Arrays landet. Dieses Array wird zu einem Writer, dessen deklarierte Länge nun viel größer als sein Inhalt ist, wodurch der feste Write zu einem begrenzten Write mit frei gewähltem Wert wird.

• Zweitens: Verfälschen Sie die Länge eines zweiten Arrays, dessen Daten zurück in die HTTP-Antwort kopiert werden. Dieses Array ist ein Reader, und die Heap-Inhalte, die es zurückgibt, werden zum Disclosure-Primitive. Calif bezeichnet die Phase vor der Codeausführung dieses JavaBleed als Heap-Speicher, der personenidentifizierende Daten, private Schlüssel, Sitzungstoken oder andere Geheimnisse enthalten kann.

• Drittens: Repariere die Objekte, die der lineare Schreibzugriff beschädigt hat, damit die JVM weiterläuft, nutze die offengelegten Originale, um Header und Nachbarn wiederherzustellen, und weite den begrenzten Schreibzugriff zu beliebigen Schreibzugriffen aus, die den Code Cache und die Hooks der JVM erreichen.

• Viertens: Nehmen Sie die anwendungsspezifische Änderung vor und verifizieren Sie sie durch eine Live-Anfrage. Das Paper bleibt bei einzelnen Produkten vor diesem letzten Schritt stehen und erklärt, dass die weaponisierten Ketten privat bleiben, bis Nutzer die Möglichkeit hatten, ein Upgrade durchzuführen.

Die Grooming-Schicht ist der Teil, der dies zu einem entfernten statt lokalen Angriff macht. G1 unterteilt den Heap in feste Regionen, HotSpot gibt jedem Thread einen privaten Allokationspuffer, und der Angreifer kann nichts davon sehen. Calif's Antwort ist die alte – Schreiber- und Leser-Paare sprayen, bis die Decoder-Ausgabe neben einem landet – plus ein Trick speziell für HTTP: den Request-Body bis zu dem Punkt senden, an dem die kritische Allokation stattfindet, auf die TCP-Bestätigung warten und dann den Rest senden. Kleine Pakete sind stabiler als ein großes, was sowohl Kontrolle über die Allokation als auch über das Timing gibt. Der Angriff reagiert empfindlich auf Roundtrip-Zeit und Jitter; in ihrer Testumgebung lösten sie das, indem sie eine VM in derselben Region wie das Ziel mieteten, statt einen TCP-Stack zu tunen.

Ernst – und enger, als der Name vermuten lässt.

Zwei Einschränkungen senken die Exposition drastisch, und beide sollten genannt werden, bevor irgendjemand eine Incident-Bridge eröffnet.

Das erste ist die Version. Java4Shell betrifft OpenJDK 17.0.6 und später und daher jede daraus erstellte Distribution: Amazon Corretto, Eclipse Temurin, Microsoft Build of OpenJDK, Azul Zulu, BellSoft Liberica, SAP SapMachine, Red Hat OpenJDK, Oracle OpenJDK, Oracle Java SE und Oracle GraalVM for JDK. Oracles Liste der betroffenen Java-SE-Builds ist 8u511b33-perf, 17.0.21.0.3, 21.0.13.0.3, 25.0.5.0.3 und 27.0.1.0.3. Alles Ältere als 17.0.6 auf der OpenJDK-Linie liegt außerhalb des betroffenen Codepfads.

Das zweite ist Silizium. Die verwundbare Routine ist AVX-512-VBMI-Assembler, daher existiert sie nur auf x86-64-Chips, die diese Anweisungen implementieren. ARM64 ist überhaupt nicht betroffen, was jede Graviton-, Ampere- und Apple-Silicon-Bereitstellung mit einer Zeile aus der Grundgesamtheit entfernt. Auf Intel-Seite umfasst die Liste Xeon Ice Lake, Sapphire Rapids, Emerald Rapids und Granite Rapids; auf AMD-Seite sind es EPYC und Ryzen ab Zen 4. Calif veröffentlicht die Prüfung:

grep -m1 '^flags' /proc/cpuinfo | tr ' ' '\n' | grep -E '^(avx512f|avx512bw|avx512vbmi|bmi2)$'

Alle vier Flags müssen erscheinen. Das ist eine echte Verringerung des Umfangs – doch die betroffenen Chips sind genau diejenigen, die zwischen 2021 und 2025 die Cloud-Flotten füllten, sodass „erfordert Sapphire Rapids“ nicht so beruhigend ist, wie es klingt. Ein Java-Dienst auf Graviton ist sicher. Derselbe Dienst auf einer Intel-Instanz der aktuellen Generation ist betroffen, und dasselbe gilt für die dahinter betriebene Jira-, Confluence-, Keycloak-, Jenkins-, Artifactory- oder PingFederate-Instanz, weil Calif in der Standardkonfiguration jeder einzelnen eine Pre-Authentication-RCE nachgewiesen hat.

Die demonstrierte Auswirkungsliste lässt sich sauber aufteilen. Pre-Authentication: Keycloak, Atlassian Jira, Atlassian Confluence, JFrog Artifactory, Jenkins und PingFederate. Post-Authentication: Apache Kafka Broker, Apache Solr, Elasticsearch, Gerrit und Netflix Spinnaker. Beispielanwendungen mit Apache Struts und Spring Boot wurden ebenfalls ausgenutzt. Die Listen sind ausdrücklich nicht erschöpfend, und ein Detail ist wichtiger als die Produktnamen: Eine verwundbare JVM muss nicht unbedingt einen eigenen Dienst exponieren. Der Forscher samczsun hat mit Calif eine clientseitige Kette geteilt, bei der ein Java-Programm, das lediglich eine TLS-Verbindung zu einem bösartigen Server öffnet, durch die Antwort kompromittiert wird.

A generated summary card headed 'Java4Shell — what is in scope', listing six rows: affected OpenJDK 17.0.6 and later; silicon x86-64 with AVX-512 VBMI; not affected ARM64, Graviton and Apple silicon; pre-authentication impact on Keycloak, Jira, Confluence, Artifactory and Jenkins; authentication required for Kafka, Solr, Elasticsearch and Gerrit; and no public report of exploitation in the wild.

Patch und die beiden Flags, die Zeit verschaffen

OpenJDK veröffentlichte seinen Sicherheitshinweis am 17. November 2026, und Oracle brachte sein Critical Patch Update am selben Tag um 13:00 Uhr PT mit 11 neuen Java-SE-Patches heraus. Oracle dankt Quang Luong von Calif.io und Albert Yang für CVE-2026-114938. Der Mainline-OpenJDK-Fix ist klein – eine vierzeilige Schutzprüfung, die einen mit Padding versehenen Base64-Rest, der kürzer als ein vollständiger Block ist, an den Java-Handler statt an die optimierte Routine leitet. Das ist die Gestalt des Bugs in einem Satz: Eine Optimierung für Anwendungen, die riesige Datenmengen dekodieren, wurde an jede Runtime ausgeliefert, und sie legte Anwendungen offen, die daraus keinen Nutzen zogen.

Bis das Update angewendet ist, deaktivieren zwei JVM-Flags die Intrinsics:

• -XX:-UseBASE64Intrinsics deaktiviert die hardwarebeschleunigte Base64-Codierung und -Decodierung. Dies ist die sicherere der beiden Varianten, da sie architekturunabhängig ist.

• -XX:UseAVX=2 deaktiviert AVX-512. Es funktioniert nur auf x86-64 – OpenJDK auf ARM erkennt das Flag nicht und verweigert den Start, daher kann eine Flotte, die Architekturen mischt, es nicht pauschal anwenden.

Keines der beiden Flags ist eine Fehlerbehebung, und beide kosten Durchsatz genau bei den Workloads, die das Intrinsic überhaupt erst sinnvoll gemacht haben. Bemerkenswert ist, dass keines der beiden ein erneutes Deployment des Anwendungscodes erfordert – das ist der Unterschied zwischen einer Maßnahme, die man heute Nacht ausrollen kann, und einer, die man nicht kann.

Die Berichterstattung am 17. und 18. November war für einen Laufzeitfehler ungewöhnlich breit: Die New York Times brachte sie unter der Schlagzeile „KI hilft, einen schwerwiegenden Sicherheitsfehler in Java zu finden, einer für das Internet unverzichtbaren Softwareplattform“, BBC und Politico berichteten beide darüber, das deutsche Bundesamt für Sicherheit in der Informationstechnik (BSI) gab eine Warnung heraus, und über CISAs Empfehlung wurde berichtet, sie dränge auf sofortiges Patchen und merke zugleich an, dass die Schwachstelle nicht auf ihrer Liste „Known Exploited Vulnerabilities“ stehe. An dieser letzten Unterscheidung sollte man festhalten. Eine breite Berichterstattung ist kein Beweis für eine Ausnutzung, und zum Zeitpunkt des Schreibens gibt es keinen öffentlichen Bericht darüber, dass Java4Shell in freier Wildbahn eingesetzt wird.

Der Modellkredit und was er aussagt und nicht aussagt

Hier braucht die Geschichte Sorgfalt, denn die kursierende Version ist sauberer als die Aufzeichnung.

Califs eigener Bericht nennt GPT-6 Cyber nicht. Darin heißt es, die zu prüfenden Bereiche seien von einem Menschen ausgewählt und dann übergeben worden: „Ich habe Codex gesagt, er solle sich diese Bereiche ansehen wie jeder ernsthafte Sicherheitsforscher im Jahr 2026.“ Codex ist OpenAIs Coding-Agent, und er kann auf verschiedene zugrunde liegende Modelle ausgerichtet werden. Ein Forscher, der Codex mit ausgewähltem GPT-6 Cyber laufen lässt, würde also genau diesen Satz produzieren. Doch der Bericht sagt nie, welches Modell dahintersteckte, und nennt weder Kosten noch eine Tokenzahl. Die Zahlen, die wiederholt wurden – etwa eine Stunde bis zur Entdeckung, zwei Stunden bis zu einem funktionierenden Exploit, Tokenkosten von unter 200 Dollar – stammen aus der Berichterstattung über die Offenlegung, nicht aus Califs Paper.

A screenshot of the Calif write-up titled 'Java4Shell: A case study in AI-assisted vulnerability discovery and exploitation', bylined 'Calif and OpenAI — November 17, 2026'. The visible text refers to directing Codex at chosen areas of the codebase and does not name a specific underlying model.

Der Modellname stammt aus derselben Quelle. Die am 17. und 18. November veröffentlichten Berichte schreiben die Entdeckung ausdrücklich GPT-6 Cyber zu, und die New York Times formuliert es breiter als „KI hat geholfen“. OpenAI hat bis zum 18. November keine eigene Darstellung des Fundes veröffentlicht. Seine beiden jüngsten Cyber-Beiträge – das NATO-Update vom 17. November und die Cogent-Partnerschaft vom 10. November – erwähnen Java nicht. Die ehrliche Aussage lautet also: Die KI-gestützte Entdeckung ist durch den vom Forscher selbst verfassten Bericht bestätigt, das konkrete Modell wird berichtet statt belegt, und die Effizienzangaben stammen aus zweiter Hand.

Diese Lücke schmälert das Ergebnis nicht. Sie verändert, was sich daraus ableiten lässt. Eine Entdeckung innerhalb einer Stunde in einer 30 Jahre alten Laufzeitumgebung ist eine Aussage über Suchkosten, und die einzige Partei, die sie belegen kann, ist die Partei, die die Abrechnungsunterlagen besitzt. Bis eine von ihnen diese veröffentlicht, ist die belastbare Darstellung, dass eine kleine Firma einen Agenten auf eine ausgereifte Codebasis angesetzt hat und mit einem kritischen Speicherkorruptionsfehler in einem Bereich zurückkam – handgeschriebener Assembler innerhalb der JIT –, mit dem sowohl Code-Review als auch Fuzzing seit Jahren zu kämpfen haben.

Die Exploit-Entwicklungshälfte des Write-ups ist interessanter als die Entdeckungshälfte und zudem eindeutig menschlicher. Calif beschreibt, wie der Agent bei Heap-Grooming-Primitiven hängen blieb und die Lösung ein Heap-Tracer und -Visualisierer war, den das Team schrieb, damit der Agent den Heap-Zustand sehen konnte. Das ist eine Arbeitsteilung, die es wert ist, benannt zu werden: Das Modell erweiterte die Suche, und Menschen bauten die Instrumentierung, die aus einem Fund eine Kette machte.

Patch the Planet ist der Rahmen, nicht die Einreichung.

Die Offenlegung von Java4Shell wird als Teil von Patch the Planet beschrieben, OpenAIs Daybreak-Initiative zur Unterstützung von Open-Source-Maintainern, die gemeinsam mit Trail of Bits durchgeführt wird. Das Programm ist real, und Calif ist ein namentlich genannter Partner darin – Patch the Planets eigene Beschreibung besagt, dass OpenAI „mit HackerOne und Calif zusammenarbeitet, die uns dabei helfen, unsere Bemühungen mit Schwachstellen-Triage, koordinierter Offenlegung und zusätzlichen gezielten Anstrengungen zur Schwachstellenerkennung weiter voranzutreiben“. Die Koordinationsroute ist also genau die, die die Initiative beschreibt.

Was noch nicht existiert, ist die Meldung. Die Website von Patch the Planet führt derzeit zwei Offenlegungen auf: CVE-2026-111497 in Brotli sowie CVE-2026-109618 und CVE-2026-109619, die als php2shell bekannten PHP-Schwachstellen. Java4Shell ist nicht darunter. OpenAIs eigener Beitrag auf Patch the Planet vom 21. Oktober beschreibt die PHP-Reaktion – und nennt das Modell, das die Schwachstellen gefunden hat: GPT-5.6 Sol, nicht GPT-6 Cyber. Der erste Schlagzeilen-Bug des Programms wurde mit dem Vorgänger gefunden.

A screenshot of the patchtheplanet.org homepage, headed 'Working with frontier AI and security experts to help secure open source software'. It shows the five-stage response framework and a 'Patch the Planet Disclosures' section listing only the Brotli and PHP (php2shell) disclosures — Java4Shell is not listed.

Das ist kein Widerspruch, sondern ein Fakt zur Zeitfolge, und er ist wichtig für alle, die die Berichterstattung als Fähigkeitsaussage über ein einzelnes Modell lesen. Patch the Planet ist ein Koordinationsrahmen mit namentlich genannten Partnern und einer veröffentlichten fünfstufigen Reaktion – Validierung und Behebung upstream, den betroffenen Organisationen Zeit geben, mit der Regierung koordinieren, produktübergreifende Updates vorbereiten, Leitlinien veröffentlichen. Java4Shell durchlief die Teile dieses Rahmens, die einen einzelnen Upstream betreffen: OpenJDK und Oracle patchten am Tag der Offenlegung, und Calif hielt die produktspezifischen Ketten zurück. Was fehlt, ist der OpenAI-Post, der den Befund offiziell in das Programm einordnen würde.

Was es kostet, eine solche Suche zu betreiben

Die Ökonomie ist der Teil, an dem ein Verteidiger tatsächlich ansetzen kann, und sie stellt die Intuition der meisten Teams auf den Kopf. Wenn die gemeldeten Zahlen zutreffen, kostete die Entdeckung ein paar hundert Dollar und der Exploit weitere zwei Stunden derselben Art. Der teure Teil der Operation war nie die Inferenz.

Das deckt sich mit dem, was OpenAI über seinen eigenen Linux-Kernel-Scan zwei Wochen vor dem Cyber-Launch veröffentlicht hat: 2.308 Kandidaten, 1.724 reproduziert, 948 eindeutige Privilegieneskalations-Exploits, API-Credits im Wert von 1.213.430 US-Dollar und 61 Upstream-Fixes zehn Tage später. Das Finden ist im Vergleich zum Beheben günstig, und die Einschränkung liegt bei Triage und Offenlegung, nicht in der Token-Rechnung. Ein Team, das für diese Art von Arbeit budgetiert, sollte für die menschliche Prüfung ein Mehrfaches der Modellkosten einplanen.

Hier macht sich eine Routing-Schicht auch bezahlt, statt nur ein Slogan zu sein. Die Pipeline hat Phasen mit wirklich unterschiedlichen Modellanforderungen – die Hypothesengenerierung will die breiteste, günstigste Suche, die man sich leisten kann; die Validierung will ein Modell, das einen Crash ausführen und lesen kann; die Patch-Generierung will einen langen Kontext über ein Repository. Alle drei auf einem Modell laufen zu lassen, bedeutet, für die Arbeit der günstigsten Phase den Tarif der teuersten Phase zu zahlen. Jede Phase über einen API-Schlüssel für mehr als 200 Modelle, zum Listenpreis des Anbieters ohne Aufschlag, auf ein anderes Modell auszurichten, hält die Pipeline bei einer Rechnung und einer einzigen Zugangsberechtigung statt bei drei Verträgen.

Eines sollte klar sein: GPT-6 Cyber ist nicht im OrcaRouter-Katalog enthalten und kann es auch nicht sein, solange keine Daybreak-Red-Freigabe für das Konto vorliegt, das es aufruft. Was wir anbieten, ist die allgemeine Leiter, von der es abgeleitet wurde — GPT-6 Astra zu $10/$50 pro Million Tokens unter anderem — und das ist der Teil einer Sicherheits-Pipeline, der Triage, Patch-Generierung und Code-Review übernimmt statt Exploit-Entwicklung. Automatisches Failover ist genau in der Phase am wichtigsten, in der ein Modell neu und seine Rate-Limits unbekannt sind, was die Discovery-Phase einer Pipeline wie dieser beschreibt.

Was zu sehen

Drei Dinge werden entscheiden, wie sich das in sechs Monaten liest.

Das erste ist, ob die zurückgehaltenen Chains in freier Wildbahn auftauchen, bevor sie in einem Paper auftauchen. Califis Entscheidung, die Schwachstelle und die allgemeine Technik zu veröffentlichen, aber die produktspezifischen Exploits zurückzuhalten, ist die verantwortungsvolle Form der Offenlegung, und sie funktioniert nur, wenn die Patch-Rate die Reverse-Engineering-Rate übertrifft. Oracles Update ist draußen; die Population ungepatchter 17.0.x-Builds ist die Variable.

Der zweite Punkt ist, ob Java4Shell es auf CISA's Known Exploited Vulnerabilities-Liste schafft. Derzeit steht es nicht darauf, und die Lücke zwischen „kritisch“ und „ausgenutzt“ ist genau der Ort, an dem die meisten Priorisierungsdebatten in Unternehmen stattfinden.

Die dritte Frage ist, ob OpenAI seine eigene Darstellung offiziell zu Protokoll gibt. Eine technische Dokumentation, die das Modell, die Prompts und die Kosten nennt, würde aus einer berichteten Behauptung eine belegte machen, und sie wäre der erste öffentliche Beleg dafür, was ein Modell der Cyber-Klasse mit einem Ziel tut, das niemand im Voraus für es ausgewählt hat. Bis dahin ist der Bug die Tatsache, und die Zuschreibung ist die Geschichte.

In diesem Artikel verglichen2

Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert