Apache APISIX JWT-Auth 插件安全漏洞分析与修复方案
2025-05-15 23:40:57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
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
644
149
Ascend Extension for PyTorch
Python
203
219
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++
654
282
React Native鸿蒙化仓库
JavaScript
249
317
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
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873