Kimai时间跟踪系统中的LDAP认证密码存储问题分析
2025-06-19 10:57:57作者:舒璇辛Bertina
问题背景
在Kimai时间跟踪系统2.14.0版本中,发现了一个与LDAP认证相关的安全问题。根据官方文档描述,当使用LDAP认证时,系统不应该保存用户密码到数据库。然而实际测试发现,系统会在用户通过LDAP登录时,将密码哈希值存储到数据库中。
问题现象
当用户通过LDAP认证登录Kimai系统后,检查数据库中的kimai2_users表,可以观察到:
- 用户的密码字段被填充了哈希值
- 该哈希值确实由用户密码生成
- 即使删除LDAP配置,仍可使用该哈希值登录
- 清除哈希值后,再次通过LDAP登录会重新生成并存储哈希值
技术分析
通过深入调试和代码追踪,发现问题根源在于Symfony的安全组件与Kimai的集成方式:
- Symfony的认证流程中会自动添加
PasswordUpgradeBadge,其中包含用户明文密码 - 认证成功后,
PasswordMigratingListener会检查这个badge - 触发密码升级流程,调用
KimaiUserProvider和UserRepository的upgradePassword方法 - 最终将哈希后的密码存入数据库
关键点在于,这个流程没有考虑用户认证方式(LDAP/内部认证)的差异,对所有认证方式都执行了密码更新操作。
解决方案
经过分析,提出了两种解决方案:
- 代码修复方案:在
UserRepository的upgradePassword方法中添加认证方式检查,仅对内部认证用户执行密码更新:
public function upgradePassword(PasswordAuthenticatedUserInterface $user, string $newHashedPassword): void
{
if (!($user instanceof User)) {
return;
}
if($user->getAuth() != User::AUTH_INTERNAL) {
return;
}
try {
$user->setPassword($newHashedPassword);
$this->saveUser($user);
} catch (\Exception $ex) {
// 登录失败时忽略异常
}
}
- 数据库清理方案:通过数据库迁移脚本清理所有LDAP用户的密码哈希值
安全影响
这个问题可能导致以下安全风险:
- 违反LDAP集成的设计原则,不必要地存储密码信息
- 即使禁用LDAP后,攻击者仍可能利用存储的哈希值进行暴力尝试
- 增加了密码泄露的风险面
最佳实践建议
对于使用LDAP认证的Kimai系统管理员,建议:
- 及时更新到修复此问题的版本
- 检查现有LDAP用户的密码字段,必要时手动清空
- 定期审计数据库中的用户认证信息
- 确保LDAP配置正确,避免意外回退到本地认证
总结
这个问题展示了框架级功能与应用程序特定需求之间的集成挑战。Kimai开发团队已确认将在下一版本中修复此问题,确保LDAP认证用户不再存储密码哈希值。对于安全敏感的系统,理解认证流程的底层实现细节至关重要。
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
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217