Une carte de titre générée portant « Java4Shell » avec le sous-titre « CVE-2026-114938 : 65 octets en entrée, 62 octets écrits au-delà de la fin », un encadré indiquant « tampon de 50 octets », et trois étiquettes indiquant « OpenJDK 17.0.6+ », « x86-64 AVX-512 uniquement » et « Corrigé le 17 nov. 2026 ».
Guides & Insights

Java4Shell : 65 octets de Base64, une allocation de 50 octets et 62 octets écrits au-delà de sa fin

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

L’entrée fait 65 octets : 64 « A » majuscules et un unique signe égal. OpenJDK la décode dans un tampon qu’il dimensionne à 50 octets, puis l’intrinsèque Base64 de HotSpot écrit 64 octets, à partir du décalage 48. Soixante-deux d’entre eux atterrissent dans le tas, en dehors du tableau auquel ils étaient destinés, dans un langage dont la promesse centrale est que cela ne peut pas vous arriver. Calif a publié la chaîne d’exploitation le 17 novembre 2026 sous le nom Java4Shell, répertoriée comme CVE-2026-114938, et OpenJDK et Oracle ont livré des correctifs l’après-midi même. La découverte est rapportée comme assistée par IA ; le modèle spécifique cité dans la couverture médiatique est GPT-6 Cyber, le modèle OpenAI ajusté pour la sécurité publié le 5 novembre 2026. Cette attribution est la partie la plus intéressante et la moins établie de l’histoire, et il vaut la peine de la garder distincte du bug, qui, lui, est établi et grave.

Ce sur quoi l’intrinsèque s’est trompé

Java est sûr en termes de mémoire au niveau du langage, mais pas au niveau qui importait ici. HotSpot accélère Base64 avec de l’assembleur x86-64 écrit à la main, car le Java compilé ordinaire n’est pas assez rapide pour la seule charge de travail où le débit de décodage est le goulot d’étranglement. La routine traite l’entrée par blocs de 256 octets, revient à des blocs de 64 octets, et pour les queues de moins de 64 octets utilise evmovdqub — la forme AVX-512 de VMOVDQU8 — avec un masque d’écriture de 64 bits qui détermine lesquels des 64 octets du registre vectoriel atteignent réellement la mémoire.

Ce masque est construit à partir des longueurs d’entrée et de sortie, puis ajusté pour le remplissage Base64. L’exposé détaille le calcul : la longueur de sortie est (input_length / 4) * 3, puis décrémentée une fois pour un = final et encore une fois pour un second. Pour les queues avec remplissage =, ==, X=, X==, XY= et ===, la longueur décodée est zéro, et l’ajustement de remplissage soustrait ensuite à partir de zéro. La valeur passe en sous-dépassement à -1 ou -2. Le calcul du masque ne la limite pas, donc le masque devient tout à un et les 64 octets sont tous écrits.

Le tampon a été dimensionné honnêtement. L’allocation à l’exécution pour une entrée de 65 octets est (ceil(65 / 4) * 3) - 1, soit 50 octets. Le débordement commence à l’offset 48 — la position où les derniers octets décodés auraient dû aller — donc 62 octets du tas voisin sont écrasés. Les octets 48 à 63 de ce débordement valent toujours 0x9a. Seuls les deux premiers octets sont sous le contrôle de l’attaquant, et seulement partiellement. Le décodeur rejette toujours l’entrée et Java lève toujours IllegalArgumentException. L’écriture a lieu avant le rejet. Sur OpenJDK 17, le seuil pour atteindre le chemin de code affecté est plus élevé, donc le déclencheur publié y est de 128 A suivis du signe égal.

Une écriture fixe de 62 octets de données majoritairement constantes ne ressemble pas à une primitive d'exécution de code à distance, et en soi, n'en est pas une. Ce que Calif a construit est une chaîne :

• D'abord, disposez le tas de manière à ce que le débordement tombe sur le champ longueur d'un tableau adjacent. Ce tableau devient un écrivain dont la longueur déclarée est désormais bien supérieure à son contenu, ce qui transforme l'écriture fixe en une écriture bornée à valeur choisie.

• Deuxièmement, corrompre la longueur d’un second tableau dont les données sont recopiées dans la réponse HTTP. Ce tableau est un lecteur, et le contenu du tas qu’il renvoie devient la primitive de divulgation. Calif appelle le stade précédant l’exécution du code de ce JavaBleed : la mémoire du tas susceptible de contenir des données personnelles identifiantes, des clés privées, des jetons de session ou d’autres secrets.

Troisièmement, réparez les objets que l’écriture linéaire a endommagés afin que la JVM continue de fonctionner, utilisez les originaux divulgués pour restaurer les en-têtes et les voisins, et transformez l’écriture bornée en écritures arbitraires qui atteignent le Code Cache et les hooks de la JVM.

• Quatrièmement, effectuez la modification spécifique à l’application et vérifiez-la au moyen d’une requête en direct. Le document s’arrête avant cette dernière étape pour les produits pris individuellement et indique que les chaînes d’exploitation weaponisées restent privées jusqu’à ce que les utilisateurs aient eu la possibilité de mettre à niveau.

La couche de grooming est la partie qui rend cette attaque distante plutôt que locale. G1 divise le tas en régions fixes, HotSpot attribue à chaque thread un tampon d’allocation privé, et l’attaquant ne peut en voir aucune partie. La réponse de Calif est l’ancienne — pulvériser des paires écrivain/lecteur jusqu’à ce que la sortie du décodeur se retrouve à côté de l’une d’elles — plus une astuce propre à HTTP : envoyer le corps de la requête jusqu’au point où l’allocation critique se produit, attendre l’acquittement TCP, puis envoyer le reste. Les petits paquets sont plus stables qu’un seul gros paquet, ce qui donne à la fois le contrôle de l’allocation et celui du timing. L’attaque est sensible au temps aller-retour et à la gigue ; dans leur environnement de test, ils ont résolu ce problème en louant une VM dans la même région que la cible plutôt qu’en réglant une pile TCP.

Sérieux, et plus restreint que son nom ne le suggère.

Deux contraintes réduisent fortement l’exposition, et toutes deux méritent d’être énoncées avant que quiconque ne lance un pont d’incident.

La première est la version. Java4Shell affecte OpenJDK 17.0.6 et les versions ultérieures, et par conséquent toutes les distributions qui en sont issues : Amazon Corretto, Eclipse Temurin, Microsoft Build of OpenJDK, Azul Zulu, BellSoft Liberica, SAP SapMachine, Red Hat OpenJDK, Oracle OpenJDK, Oracle Java SE et Oracle GraalVM for JDK. La liste des builds Java SE affectés publiée par Oracle est la suivante : 8u511b33-perf, 17.0.21.0.3, 21.0.13.0.3, 25.0.5.0.3 et 27.0.1.0.3. Toute version antérieure à 17.0.6 sur la branche OpenJDK se situe en dehors du chemin de code affecté.

Le second est le silicium. La routine vulnérable est de l’assembleur AVX-512 VBMI, elle n’existe donc que sur les puces x86-64 qui implémentent ces instructions. ARM64 n’est pas affecté du tout, ce qui retire en une ligne toutes les installations Graviton, Ampere et Apple-silicon de la population. Côté Intel, la liste comprend les Xeon Ice Lake, Sapphire Rapids, Emerald Rapids et Granite Rapids ; côté AMD, il s’agit des EPYC et Ryzen à partir de Zen 4. Calif publie la vérification :

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

Les quatre drapeaux doivent tous apparaître. C’est une véritable réduction du périmètre — mais les puces concernées sont exactement celles qui ont rempli les flottes cloud entre 2021 et 2025, donc « nécessite Sapphire Rapids » n’est pas aussi rassurant que cela en a l’air. Un service Java sur Graviton est sûr. Le même service sur une instance Intel de génération actuelle est concerné, tout comme l’instance Jira, Confluence, Keycloak, Jenkins, Artifactory ou PingFederate qui se trouve derrière, car Calif a démontré une RCE avant authentification dans la configuration par défaut de chacune.

La liste des impacts démontrés se répartit clairement. Avant authentification : Keycloak, Atlassian Jira, Atlassian Confluence, JFrog Artifactory, Jenkins et PingFederate. Après authentification : Apache Kafka Broker, Apache Solr, Elasticsearch, Gerrit et Netflix Spinnaker. Des applications exemple Apache Struts et Spring Boot ont également été exploitées. Les listes sont explicitement non exhaustives, et un détail compte plus que les noms des produits : une JVM vulnérable n’a pas besoin d’exposer son propre service. Le chercheur samczsun a partagé avec Calif une chaîne côté client dans laquelle un programme Java qui se contente d’ouvrir une connexion TLS vers un serveur malveillant est compromis par la réponse.

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, et les deux indicateurs qui permettent de gagner du temps

OpenJDK a publié son avis le 17 novembre 2026 et Oracle a publié sa Critical Patch Update à 13 h 00 PT le même jour, avec 11 nouveaux correctifs Java SE. Oracle crédite Quang Luong de Calif.io et Albert Yang pour CVE-2026-114938. Le correctif de la branche principale d’OpenJDK est petit — une garde de quatre lignes qui achemine une fin Base64 avec remplissage plus courte qu’un bloc complet vers le gestionnaire Java au lieu de la routine optimisée. Voilà la nature du bug en une phrase : une optimisation destinée aux applications qui décodent d’énormes volumes de données a été livrée à tous les environnements d’exécution, et elle a exposé des applications qui n’en tiraient aucun bénéfice.

Jusqu'à ce que la mise à jour soit appliquée, deux options de la JVM désactivent les intrinsèques :

• -XX:-UseBASE64Intrinsics désactive l'encodage et le décodage Base64 accélérés par le matériel. C'est la plus sûre des deux options car elle est indépendante de l'architecture.

• -XX:UseAVX=2 désactive AVX-512. Il ne fonctionne que sur x86-64 — OpenJDK sur ARM ne reconnaît pas cette option et refusera de démarrer, donc un parc qui mélange les architectures ne peut pas l'appliquer de manière uniforme.

Aucun des deux drapeaux n’est un correctif, et tous deux réduisent le débit précisément sur les charges de travail qui faisaient que l’intrinsèque valait la peine d’être écrit. Ce qu’il est utile de noter, c’est qu’aucun des deux ne nécessite de redéployer le code applicatif, ce qui fait la différence entre une atténuation que vous pouvez exécuter dès ce soir et une que vous ne pouvez pas.

La couverture des {{1}}17{{/1}} et {{2}}18 novembre{{/2}} a été inhabituellement large pour un bogue d'exécution : le {{3}}New York Times{{/3}} l'a publié sous le titre « {{4}}L'IA aide à trouver une importante faille de sécurité dans Java, une plateforme logicielle vitale pour Internet{{/4}} », la {{5}}BBC{{/5}} et {{6}}Politico{{/6}} en ont tous deux rendu compte, {{7}}l'office fédéral allemand de cybersécurité{{/7}} a publié un avis, et les {{8}}recommandations de la CISA{{/8}} auraient appelé à une correction immédiate tout en notant que la faille ne figurait pas sur sa {{9}}liste des vulnérabilités exploitées connues{{/9}}. C'est cette dernière distinction qu'il faut retenir. Une large couverture médiatique n'est pas une preuve d'exploitation, et, au moment d'écrire ces lignes, aucun rapport public ne fait état d'une utilisation de {{10}}Java4Shell{{/10}} en conditions réelles.

Le crédit du modèle, et ce qu’il dit et ne dit pas

C’est ici que l’histoire demande de la prudence, car la version qui circule est plus propre que le dossier.

Le compte rendu de Calif lui-même ne nomme pas GPT-6 Cyber. Il indique que les domaines à auditer ont été choisis par un humain, puis transmis : « J'ai demandé à Codex d'examiner ces domaines comme le ferait tout chercheur en sécurité sérieux en 2026. » Codex est l'agent de codage d'OpenAI, et on peut le faire fonctionner avec différents modèles sous-jacents ; ainsi, un chercheur utilisant Codex avec GPT-6 Cyber sélectionné produirait exactement cette phrase. Mais le compte rendu ne dit jamais quel modèle était utilisé, et il n'indique jamais de coût ni de nombre de tokens. Les chiffres qui ont été répétés — environ une heure pour la découverte, deux heures pour un exploit fonctionnel, moins de 200 $ en tokens — proviennent des articles sur la divulgation, et non de l'article de Calif.

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.

Le nom du modèle vient de la même source. Les articles publiés les 17 et 18 novembre attribuent spécifiquement la découverte à GPT-6 Cyber, tandis que la formulation du New York Times est plus générale : « l'IA a aidé ». Au 18 novembre, OpenAI n'avait pas publié son propre compte rendu de la découverte. Ses deux publications les plus récentes sur la cybersécurité — la mise à jour du 17 novembre sur l'OTAN et le partenariat Cogent du 10 novembre — ne mentionnent pas Java. Ainsi, l'affirmation honnête est la suivante : la découverte assistée par IA est confirmée par le propre compte rendu du chercheur, le modèle précis est rapporté plutôt que documenté, et les chiffres d'efficacité sont de seconde main.

Cet écart n’atténue pas le résultat. Il modifie ce que l’on peut en déduire. Une découverte en une heure sur un runtime vieux de 30 ans est une affirmation sur le coût de la recherche, et la seule partie capable de l’étayer est celle qui détient les relevés de facturation. Tant que l’une de ces parties ne les publie pas, la version défendable est qu’une petite entreprise a dirigé un agent vers une base de code mature et en a rapporté une vulnérabilité critique de corruption de mémoire dans une zone — de l’assembleur écrit à la main au sein du JIT — que la revue de code et le fuzzing ont tous deux eu du mal à traiter pendant des années.

La moitié du write-up consacrée au développement de l’exploit est plus intéressante que celle consacrée à la découverte, et elle est aussi plus manifestement humaine. Calif décrit l’agent qui se retrouve bloqué sur des primitives de heap grooming, et le correctif consistant en un traceur et un visualiseur de tas que l’équipe a écrits pour que l’agent puisse voir l’état du tas. C’est une division du travail qui mérite d’être nommée : le modèle a élargi la recherche, et des personnes ont construit l’instrumentation qui a transformé une trouvaille en une chaîne.

Patch the Planet est le cadre, pas le dépôt de dossier.

La divulgation de Java4Shell est présentée comme faisant partie de Patch the Planet, l'initiative Daybreak d'OpenAI visant à soutenir les mainteneurs open source, menée avec Trail of Bits. Le programme est réel et Calif en est un partenaire nommé — la description de Patch the Planet indique qu'OpenAI « s'associe à HackerOne et Calif, qui nous aident à aller plus loin avec le triage des vulnérabilités, la divulgation coordonnée et des efforts supplémentaires ciblés de découverte de vulnérabilités ». La voie de coordination est donc exactement celle que décrit l'initiative.

Ce qui n’existe pas encore, c’est le dépôt. Le site Patch the Planet répertorie actuellement deux divulgations : CVE-2026-111497 dans Brotli, et CVE-2026-109618 et CVE-2026-109619, les failles PHP connues sous le nom de php2shell. Java4Shell n’y figure pas. Le propre billet Patch the Planet d’OpenAI du 21 octobre décrit la réponse PHP — et nomme le modèle qui l’a trouvée, à savoir GPT-5.6 Sol, et non GPT-6 Cyber. La première faille phare du programme a été trouvée avec le prédécesseur.

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.

Ce n’est pas une contradiction ; c’est un fait de séquencement, et cela importe pour quiconque lit la couverture comme une affirmation de capacité concernant un seul modèle. Patch the Planet est un cadre de coordination avec des partenaires nommés et une réponse publiée en cinq étapes — valider et corriger en amont, laisser du temps aux organisations affectées, coordonner avec le gouvernement, préparer des mises à jour pour l’ensemble des produits, publier des recommandations. Java4Shell a traversé les parties de ce cadre qui concernent un seul amont : OpenJDK et Oracle ont publié des correctifs le jour de la divulgation, et Calif a retenu les chaînes propres aux produits. Ce qui manque, c’est la publication d’OpenAI qui inscrirait officiellement le constat dans le programme.

Combien coûte l’exécution d’une recherche comme celle-ci

L’économie de l’opération est le volet sur lequel un défenseur peut réellement agir, et elle inverse l’intuition que la plupart des équipes apportent. Si les chiffres rapportés sont exacts, la découverte a coûté quelques centaines de dollars et l’exploit, deux heures supplémentaires du même ordre. La partie coûteuse de l’opération n’a jamais été l’inférence.

Cela est cohérent avec ce qu’OpenAI a publié au sujet de son propre scan du noyau Linux deux semaines avant le lancement de Cyber : 2 308 candidats, 1 724 reproduits, 948 exploits uniques d’élévation de privilèges, 1 213 430 $ en crédits API, et 61 correctifs en amont dix jours plus tard. La détection coûte peu comparé à la correction, et la contrainte réside dans le triage et la divulgation, pas dans la facture de jetons. Une équipe qui budgétise ce type de travail devrait prévoir la revue humaine à plusieurs fois la dépense liée aux modèles.

C'est aussi là qu'une couche de routage justifie sa place plutôt que de rester un slogan. Le pipeline comporte des étapes aux exigences de modèle véritablement différentes — la génération d'hypothèses veut la recherche la plus large et la moins chère que vous puissiez vous permettre ; la validation veut un modèle capable d'exécuter et de lire un crash ; la génération de correctifs veut un contexte long sur un dépôt. Faire tourner les trois sur un seul modèle revient à payer le tarif de l'étape la plus chère pour le travail de l'étape la moins chère. Le fait de pointer chaque étape vers un modèle différent via une clé API unique donnant accès à plus de 200 modèles, au prix catalogue du fournisseur avec 0 % de marge, permet de garder le pipeline sur une seule facture et un seul identifiant au lieu de trois contrats.

Une chose doit être claire : GPT-6 Cyber ne figure pas au catalogue d'OrcaRouter, et ne pourra pas y figurer tant que l'approbation Daybreak Red n'existera pas pour le compte qui l'appelle. Ce que nous proposons, en revanche, c'est l'échelle générale dont il est dérivé — GPT-6 Astra à 10 $/50 $ par million de jetons, entre autres — c'est-à-dire la partie d'un pipeline de sécurité qui assure le triage, la génération de correctifs et la revue de code plutôt que le développement d'exploits. Le basculement automatique est surtout essentiel à l'étape précise où un modèle est nouveau et où ses limites de débit sont inconnues, ce qui décrit bien l'étape de découverte d'un pipeline comme celui-ci.

Quoi regarder

Trois choses détermineront la façon dont cela se lira dans six mois.

La première question est de savoir si les chaînes retenues apparaissent dans la nature avant de paraître dans un article. La décision de Calif de publier la vulnérabilité et la technique générale tout en retenant les exploits spécifiques aux produits est la version responsable de la divulgation, et elle ne fonctionne que si le rythme de correction dépasse celui du rétro-ingénierie. La mise à jour d’Oracle est sortie ; la population de versions 17.0.x non corrigées est la variable.

Le second point est de savoir si Java4Shell atteindra la liste des vulnérabilités exploitées connues de la CISA. Elle n'y figure pas pour l'instant, et c'est dans l'écart entre « critique » et « exploitée » que se jouent la plupart des débats de priorisation en entreprise.

Le troisième point est de savoir si OpenAI consigne publiquement sa propre version des faits. Un rapport technique nommant le modèle, les prompts et le coût transformerait une affirmation rapportée en une affirmation documentée, et ce serait la première preuve publique de ce que fait un modèle de classe Cyber sur une cible que personne n’a choisie à l’avance pour lui. D’ici là, le bug est le fait, et l’attribution est l’histoire.

Comparés dans cet article2

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement