Permify项目中外部请求安全风险分析与防护实践
2025-06-08 00:44:00作者:邓越浪Henry
风险背景
在Permify项目的代码审查过程中,安全研究人员发现了两处潜在的外部请求安全风险点。不当的外部请求处理可能导致系统安全问题,攻击者可能利用应用程序作为代理,向网络发起未经预期的请求。
风险位置分析
在Permify项目中,两处存在风险的代码位置分别是:
internal/authn/oidc/authn.go文件中的第369行pkg/schema/loader.go文件中的第123行
这两处代码的共同特点是都进行了HTTP请求操作,但未对请求的目标URL进行充分的安全验证。如果攻击者能够控制这些HTTP请求的目标URL参数,就可能构造非预期的请求。
外部请求安全原理
外部请求安全问题的本质是攻击者通过操纵服务器发起的请求,绕过预期访问机制,访问正常情况下不应直接访问的系统资源。在云环境部署的应用中,这类风险尤其需要注意。
典型的外部请求安全问题场景包括:
- 访问不应公开的服务接口
- 扫描网络结构
- 作为跳板发起进一步请求
Permify中的风险场景
在Permify的具体实现中,风险主要来自以下几个方面:
-
OIDC认证流程:在OpenID Connect认证过程中,需要从身份提供商获取配置信息,如果URL参数可控,可能出现非预期请求。
-
Schema加载机制:当从外部加载权限模型定义时,如果URL来源不可信,可能导致加载非预期内容。
防护方案
针对Permify项目中的外部请求风险,建议采取以下防护措施:
1. 输入验证与白名单机制
最有效的防护手段是实施严格的白名单机制,只允许访问预先批准的域名和IP地址。对于Permify这样的权限管理系统,可以:
var allowedDomains = map[string]bool{
"trusted-auth-provider.com": true,
"schema-repository.example": true,
}
func isAllowedDomain(url string) bool {
u, err := url.Parse(url)
if err != nil {
return false
}
_, ok := allowedDomains[u.Hostname()]
return ok
}
2. 网络层防护
对于必须支持动态URL的场景,应在网络层实施以下限制:
- 禁用HTTP重定向,防止通过重定向链访问非预期服务
- 限制对特定IP地址段的请求
- 验证请求目标是否符合预期
3. 请求处理增强
- 设置合理的请求超时时间
- 限制响应体大小
- 验证响应内容类型,确保符合预期
4. 深度防御策略
- 为内部服务添加身份验证
- 记录所有外部请求的日志,便于审计
- 使用最小权限原则
实施建议
对于Permify项目,具体的改进建议如下:
-
OIDC认证模块:
- 使用可信身份提供商的发现端点
- 验证获取的jwks_uri等URL是否属于预期域名
- 实施严格的TLS证书验证
-
Schema加载模块:
- 支持本地文件加载优先
- 对于远程加载,强制使用HTTPS
- 提供sha256校验机制验证内容完整性
总结
外部请求安全在云原生应用中十分重要,Permify作为权限管理系统更应重视此类安全问题。通过实施白名单、网络层过滤和深度防御策略,可以显著降低相关风险。开发团队应定期审查所有外部请求代码路径,确保安全控制措施覆盖全面。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
334
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
744
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134