ZenStack 权限控制中的未认证用户数据读取问题分析
2025-07-01 22:51:55作者:冯梦姬Eddie
问题背景
在ZenStack项目中,开发者发现了一个关于权限控制的潜在安全问题:当使用特定的数据模型定义时,未认证用户(即匿名用户)能够绕过预期的访问控制策略,读取到本应受保护的数据表内容。
问题重现
以一个健身房管理系统为例,数据模型中定义了Gym和GymUser两个主要实体。按照设计意图,GymUser表的读取权限应该受到严格限制:
- 只有健身房成员中的管理员或教练可以查看成员列表
- 用户只能查看自己的信息
- 管理员可以更新成员信息
然而在实际测试中,当未认证用户直接执行db.gymUser.findMany()查询时,系统返回了所有用户数据,这明显违反了预期的安全策略。
技术分析
权限策略解析
在模型定义中,关键的读取权限控制语句为:
@@allow('read',gym.members?[user == auth() && (role == "ADMIN" || role == "TRAINER")])
这条策略的本意是:只有当用户是认证用户(auth() != null),并且是当前健身房的管理员或教练时,才允许读取成员信息。
问题根源
当未认证用户(auth() == null)发起查询时,ZenStack生成的Prisma查询条件中出现了逻辑缺陷:
{
"where": {
"OR": [
{
"OR": [
{
"gym": {
"members": {
"some": {
"AND": [
{
"OR": [] // 这里表示false条件
},
// 其他条件...
]
}
}
}
}
]
}
]
}
}
关键问题在于OR: []这个表示false条件的语法在Prisma中的处理方式。在逻辑上,false AND x应该等价于false,但Prisma并未完全正确处理这种特殊情况,导致最终生成的查询条件未能有效阻止未认证用户的访问。
解决方案
临时解决方案
目前可以通过在基础模型中添加全局拒绝规则来解决:
@@deny('all', auth() == null)
这条规则会明确拒绝所有未认证用户的任何操作,从根本上解决问题。
长期改进方向
从技术实现角度,ZenStack应该在生成查询条件时进行更彻底的逻辑化简:
- 识别并处理
AND中包含false条件的情况 - 优化查询条件的组合逻辑
- 在条件生成阶段就进行尽可能多的简化
这种改进不仅能解决安全问题,还能提升查询性能。
最佳实践建议
- 显式拒绝未认证用户:在所有敏感数据模型上明确添加
@@deny('all', auth() == null)规则 - 分层权限设计:先设置全局限制,再添加特定例外
- 全面测试:不仅要测试认证用户的访问,也要测试未认证用户的行为
- 最小权限原则:默认拒绝所有访问,只明确允许必要的操作
总结
这个案例揭示了权限控制系统中的一个重要原则:安全设计应该采用"默认拒绝"而非"默认允许"的策略。在复杂的权限规则组合下,条件表达式的处理需要特别小心,避免因逻辑化简不彻底而导致安全漏洞。开发者在使用ZenStack时应当充分理解其权限控制机制的工作原理,并通过全面的测试来验证安全策略的实际效果。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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