SQLMap项目在ClickHouse数据库表枚举中的权限问题分析
2025-05-04 03:38:26作者:郁楠烈Hubert
背景介绍
在渗透测试过程中,SQL注入攻击是一种常见的安全威胁。SQLMap作为一款开源的自动化SQL注入工具,被广泛应用于安全测试领域。然而,在对ClickHouse数据库进行测试时,发现了一个关于表枚举权限的有趣问题。
问题现象
测试人员在使用SQLMap对ClickHouse数据库进行SQL注入测试时,尝试枚举数据库表结构时遇到了权限问题。具体表现为:
- 当使用标准的
information_schema视图查询表结构时,数据库返回了权限不足的错误 - 错误信息明确指出需要
SELECT(table_name, table_schema) ON information_schema.tables权限 - 但有趣的是,当改用
system.*系统表查询时,相同的操作却可以正常执行
技术分析
ClickHouse数据库提供了两种元数据查询方式:
- 标准化的information_schema视图:这是SQL标准中定义的元数据查询接口,旨在提供跨数据库的统一访问方式
- ClickHouse特有的system表:包括system.tables、system.columns等,提供对数据库对象的直接访问
在权限控制方面,ClickHouse对这两种访问方式实施了不同的权限策略:
- 对information_schema视图实施了更严格的权限控制
- 而对system表的访问权限相对宽松
这种差异化的权限设计可能是出于以下考虑:
- 兼容性:information_schema作为标准接口,需要遵循更严格的访问控制规范
- 灵活性:system表作为原生实现,保留了ClickHouse特有的灵活性
- 安全策略:可能认为直接使用system表的用户更了解系统,因此给予更多信任
解决方案
针对这一问题,SQLMap项目已经进行了相应的调整:
- 修改了queries.xml中ClickHouse相关的查询语句
- 将所有基于information_schema的查询替换为system表的查询
- 确保表名、字段名等映射关系正确
具体修改包括:
- 数据库枚举:从
information_schema.schemata改为system.databases - 表枚举:从
information_schema.tables改为system.tables - 列枚举:从
information_schema.columns改为system.columns
实际测试验证
通过Docker搭建ClickHouse测试环境,验证了修改后的SQLMap能够:
- 成功枚举数据库列表
- 获取各数据库中的表结构信息
- 查询表的列定义
- 完成完整的数据字典枚举
测试结果表明,使用system表查询完全能够替代information_schema视图,且不受权限限制影响。
安全建议
对于安全测试人员,在处理ClickHouse数据库时应注意:
- 优先尝试使用system表进行元数据查询
- 当遇到权限问题时,考虑alternative的查询方式
- 了解不同数据库系统的特有实现和权限模型
- 保持SQLMap等工具的及时更新,以获取最新的绕过技术
对于数据库管理员,建议:
- 审查对system表的访问权限
- 考虑实施统一的权限控制策略
- 监控异常的元数据查询行为
总结
这一案例展示了数据库系统在实现标准化接口时可能存在的权限控制差异。通过深入理解数据库内部机制,安全测试人员能够找到更有效的测试路径。同时,这也提醒我们工具开发需要不断适应各种数据库的特有行为,才能提供更强大的测试能力。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
跨系统应用融合:APK Installer实现Windows环境下安卓应用运行的技术路径探索如何用OpCore Simplify构建稳定黑苹果系统?掌握这3大核心策略ComfyUI-LTXVideo实战攻略:3大核心场景的视频生成解决方案告别3小时抠像噩梦:AI如何让人人都能制作电影级视频Anki Connect:知识管理与学习自动化的API集成方案Laigter法线贴图生成工具零基础实战指南:提升2D游戏视觉效率全攻略如何用智能助手实现高效微信自动回复?全方位指南3步打造高效游戏自动化工具:从入门到精通的智能辅助方案掌握语音分割:从入门到实战的完整路径开源翻译平台完全指南:从搭建到精通自托管翻译服务
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
570
99
暂无描述
Dockerfile
709
4.51 K
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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
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
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
952
235
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
2