Zizmor项目中发现复合动作模板注入问题的案例分析
问题背景
在GitHub Actions的复合动作(composite action)使用过程中,存在一种常见的安全风险——模板注入问题。这类问题通常发生在YAML配置文件中,当用户输入被直接嵌入到shell命令中执行时,可能通过精心构造的输入参数执行非预期代码。
问题详情
在审查一个使用Zizmor工具进行安全审计的项目时,发现了复合动作文档中存在模板注入风险。具体表现为在mike-docs动作中,有三个用户输入参数(inputs.push、inputs.alias和inputs.version)被直接嵌入到shell命令中执行。
技术分析
该问题的核心在于GitHub Actions的模板表达式(${{ }})会在shell命令执行前进行展开。这意味着如果能够控制这些输入参数,就可能注入特殊字符或命令,导致非预期的命令执行。
例如在以下代码片段中:
uv run mike deploy ${{ inputs.version }} ${{ inputs.alias }} "${MIKE_OPTIONS[@]}"
三个用户输入参数直接暴露在命令中,存在潜在的安全风险。Zizmor工具正确地识别出了这三个独立的注入点,虽然它们出现在同一代码位置,但实际上是三个不同的安全问题。
修复方案
针对这类模板注入问题,推荐的安全修复方案是通过环境变量中转用户输入:
- 首先将用户输入赋值给环境变量
- 然后在shell命令中引用这些环境变量
修复后的代码示例如下:
- env:
DOCS_PRERELEASE: ${{ inputs.pre_release }}
INPUTS_PUSH: ${{ inputs.push }}
INPUTS_VERSION: ${{ inputs.version }}
INPUTS_ALIAS: ${{ inputs.alias }}
run: |
MIKE_OPTIONS=( "--update-aliases" )
if [ "true" = "${INPUTS_PUSH}" ]; then
MIKE_OPTIONS+=( "--push" )
fi
uv run mike deploy "${INPUTS_VERSION}" "${INPUTS_ALIAS}" "${MIKE_OPTIONS[@]}"
shell: bash
这种修复方式确保了用户输入会先被shell正确处理和转义,然后再作为参数传递给命令,有效防止了命令执行的可能性。
安全工具的价值
Zizmor这类静态分析工具在DevSecOps流程中发挥着重要作用。它能够:
- 自动化识别常见的安全反模式
- 在开发早期阶段发现潜在问题
- 提供具体的修复建议
- 集成到CI/CD流程中实现安全左移
特别是对于复合动作这类相对较新的GitHub Actions特性,专业的安全审计工具能够帮助开发者避免常见的安全陷阱。
总结
模板注入是GitHub Actions工作流中常见的安全风险,特别是在使用复合动作时。通过本案例我们可以看到:
- 用户输入应该通过环境变量中转,而不是直接嵌入命令
- 同一代码位置可能存在多个独立的安全风险
- 静态分析工具能够有效识别这类问题
- 安全修复应该考虑防御性编程原则
开发者在使用GitHub Actions时,应当特别注意用户输入的处理方式,避免直接将模板表达式嵌入到可执行命令中。采用环境变量中转的方式是更安全的做法,能够有效防范命令执行风险。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0148- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111