Apache APISIX JWT-Auth 插件安全漏洞分析与修复方案
2025-05-15 20:19:24作者:伍霜盼Ellen
问题背景
Apache APISIX 是一款高性能的云原生API网关,其jwt-auth插件提供了JWT认证功能。在3.8.0版本中,该插件存在一个潜在的安全问题,可能允许攻击者篡改JWT令牌中的关键字段。
问题详情
在jwt-auth插件的get_real_payload
函数实现中,存在一个关键的安全设计缺陷。该函数负责构造JWT的payload部分,其原始实现如下:
local function get_real_payload(key, auth_conf, payload)
local real_payload = {
key = key,
exp = ngx_time() + auth_conf.exp
}
if payload then
local extra_payload = core.json.decode(payload)
core.table.merge(real_payload, extra_payload)
end
return real_payload
end
这个函数存在两个主要问题:
-
关键字段可被覆盖:当用户通过payload参数传入额外数据时,这些数据会通过
core.table.merge
合并到real_payload中。由于merge操作是后者覆盖前者,攻击者可以通过构造特殊的payload来覆盖key和exp等关键字段。 -
认证逻辑被绕过:key字段用于后续查找对应的consumer配置,如果被篡改,可能导致认证绕过。exp字段控制令牌有效期,被篡改后可能导致令牌长期有效。
问题影响
该问题影响使用jwt-auth插件并通过/apisix/plugin/jwt/sign
接口签发JWT令牌的场景。攻击者可能:
- 通过修改key字段,尝试访问其他用户的资源
- 通过修改exp字段,创建长期有效的令牌
- 破坏JWT令牌的完整性验证机制
修复方案
社区提出了两种修复方案:
方案一:调整字段赋值顺序
local function get_real_payload(key, auth_conf, payload)
local real_payload = {
key = key
}
if payload then
local extra_payload = core.json.decode(payload)
core.table.merge(real_payload, extra_payload)
end
real_payload.exp = ngx_time() + auth_conf.exp
return real_payload
end
此方案确保exp字段不会被覆盖,但仍无法防止key字段被篡改。
方案二:调整合并逻辑(最终采纳方案)
local function get_real_payload(key, auth_conf, payload)
local real_payload = {
key = key,
exp = ngx_time() + auth_conf.exp
}
if payload then
local extra_payload = core.json.decode(payload)
core.table.merge(extra_payload, real_payload)
return extra_payload
end
return real_payload
end
此方案通过:
- 调整merge顺序,确保real_payload中的关键字段优先
- 明确返回合并后的extra_payload
- 完全保护key和exp字段不被覆盖
安全建议
对于使用APISIX jwt-auth插件的用户,建议:
- 尽快升级到包含此修复的版本
- 如果无法立即升级,可考虑通过自定义插件覆盖原实现
- 审计现有JWT签发逻辑,确认是否有依赖可被篡改的字段
- 在生产环境中谨慎使用
/apisix/plugin/jwt/sign
接口
技术思考
这个案例提醒我们,在实现认证授权相关功能时需要特别注意:
- 关键认证字段应该受到严格保护,不能被用户输入覆盖
- 合并操作需要考虑字段优先级问题
- 即使是辅助功能接口,也需要考虑安全影响
- 良好的默认安全设置比事后修复更重要
通过这个案例,我们可以更好地理解API网关安全设计中的关键考量点,为今后开发类似功能提供参考。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0128AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
229
2.3 K

仓颉编译器源码及 cjdb 调试工具。
C++
112
76

React Native鸿蒙化仓库
JavaScript
216
291

暂无简介
Dart
531
117

仓颉编程语言运行时与标准库。
Cangjie
122
93

🎉 (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
990
587

Ascend Extension for PyTorch
Python
73
102

仓颉编程语言测试用例。
Cangjie
34
59

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
1.02 K
401