Open5GS MME安全问题分析:未认证ID伪造导致用户上下文删除
2025-07-05 14:30:41作者:羿妍玫Ivan
问题概述
在Open5GS v2.7.2版本的MME(移动管理实体)实现中发现了一个重要的安全问题。该问题允许攻击者通过伪造用户标识(GUTI或IMSI)发送异常NAS消息,导致系统错误地删除合法用户的UE上下文。这种操作可能导致受害用户被迫重新传输IMSI,增加了IMSI泄露的风险。
技术背景
在4G/LTE网络中,MME负责处理移动性管理和会话管理功能。当UE(用户设备)首次接入网络时,会经历附着过程,期间MME会为UE创建上下文信息。GUTI(全球唯一临时标识)是网络分配给UE的临时标识符,用于减少IMSI(国际移动用户识别码)的传输,提高安全性。
问题原理
问题的核心在于MME处理拒绝消息(如附着拒绝、认证拒绝等)时的逻辑缺陷。当MME需要发送拒绝消息时,会调用mme_send_delete_session_or_mme_ue_context_release()函数,该函数会删除mme_ue上下文。攻击者可以利用这个机制,通过伪造受害用户的ID触发拒绝流程,导致系统删除合法用户的上下文。
攻击者可以通过多种方式触发此问题:
- 使用受害者的ID发送仅支持EIA0算法的附着请求(触发附着拒绝)
- 使用受害者的ID发送无效的认证响应(触发认证拒绝)
- 使用受害者的ID发送带有无效短MAC的服务请求(触发服务拒绝)
- 使用受害者的ID发送TAU请求(触发TAU拒绝)
问题影响
- 服务中断:受害用户的UE上下文被删除,导致当前会话中断
- 安全降级:受害用户被迫重新传输IMSI,增加了IMSI泄露的风险
- 拒绝服务:攻击者可以持续发起此类操作,导致目标用户无法正常使用网络服务
解决方案
Open5GS开发团队已经解决了此问题。解决方案主要包括:
- 在处理未认证用户的拒绝消息时,不再删除mme_ue上下文
- 增加了对消息来源的验证逻辑
- 完善了异常处理流程
安全建议
对于使用Open5GS的运营商和研究人员,建议:
- 及时升级到已解决的版本
- 在网络边界实施严格的消息过滤
- 监控异常的大量拒绝消息
- 考虑部署额外的保护机制,如NAS消息完整性保护
总结
这个问题揭示了移动核心网中身份验证和上下文管理的重要性。虽然临时标识符(GUTI)的设计初衷是为了保护永久标识符(IMSI),但如果实现不当,反而可能成为操作媒介。网络设备厂商和运营商需要持续关注此类实现层面的安全缺陷,确保移动网络的安全性和可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
346
147