Craft CMS 权限控制问题分析:用户绕过保存权限修改条目状态
2025-06-24 19:27:55作者:咎岭娴Homer
问题背景
在Craft CMS 5.6.13版本中发现了一个权限控制问题,该问题允许仅拥有"查看条目"和"创建条目"权限的用户通过条目索引界面修改条目状态(启用/禁用),而实际上这些用户不应该具备修改条目状态的权限。
问题详情
权限模型设计
Craft CMS的权限系统设计上,条目管理通常涉及以下几种核心权限:
- 查看条目(View entries)
- 创建条目(Create entries)
- 保存条目(Save entries)
- 保存其他用户的条目(Save other users' entries)
按照正常设计逻辑,修改条目状态(包括启用/禁用)应该属于"保存条目"权限范畴。但在实际实现中出现了权限校验不完整的情况。
问题表现
- 前端界面缺陷:虽然状态设置下拉菜单在界面上显示为灰色(看似禁用),但实际上仍然可以交互操作
- 后端校验缺失:服务端没有对状态修改请求进行充分的权限验证
- 权限绕过:用户可以通过界面操作直接修改条目状态,无需具备保存权限
技术分析
前端实现问题
在条目索引页面的批量操作工具栏中,"设置状态"下拉菜单的禁用状态仅通过CSS样式实现(灰色显示),但没有真正禁用其交互功能。这属于典型的前端安全防护不足问题。
后端验证缺失
更严重的是,服务端API接口在处理状态修改请求时,没有验证用户是否具备相应的保存权限。这违反了安全设计的基本原则——"永远不要信任客户端"。
权限校验流程
正确的权限校验流程应该是:
- 检查用户是否具有"保存条目"权限
- 如果修改的是其他用户的条目,还需检查"保存其他用户的条目"权限
- 只有通过以上检查才允许状态修改操作
修复方案
Craft CMS团队分两个阶段修复了此问题:
第一阶段修复(v5.6.14)
- 修正前端实现,彻底禁用状态设置下拉菜单的交互功能
- 确保界面元素与用户实际权限严格对应
第二阶段修复(v5.7)
- 在后端API添加完整的权限验证逻辑
- 确保即使绕过前端界面直接发送请求,也会被服务端拒绝
安全建议
对于CMS系统开发,建议遵循以下安全原则:
- 最小权限原则:用户只应拥有完成工作所必需的最小权限
- 防御性编程:前端展示与后端验证必须双重保障
- 权限继承:类似"保存"这样的操作应该包含所有可能改变数据状态的行为
- 审计日志:记录所有关键操作,便于追踪异常行为
总结
这个问题展示了权限控制系统中的常见陷阱——仅依赖前端限制而忽视后端验证。Craft CMS团队通过前后端双重修复确保了系统的安全性,这种分层防御的策略值得借鉴。对于开发者而言,这也提醒我们在实现权限控制时需要全面考虑各种可能的绕过途径。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
9
1
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137