CoreRuleSet项目中发现SQL注入检测绕过问题分析
在Web应用防火墙领域,CoreRuleSet(CRS)作为ModSecurity的默认规则集,一直是保护Web应用安全的重要防线。近期发现了一个值得关注的安全问题:在特定情况下,CRS的SQL注入检测规则942160存在检测绕过风险。
问题详情
该问题涉及CRS的SQL注入检测机制,具体表现为当攻击载荷以斜杠(/)结尾时,规则942160无法正确触发。这是由于规则实现中仅检查了REQUEST_BASENAME变量,而忽略了REQUEST_FILENAME变量导致的检测盲区。
技术分析
在正常情况下,CRS的942160规则能够有效检测使用sleep()或benchmark()函数进行的盲SQL注入测试。然而,当攻击者构造如下形式的URL时,检测会失效:
/id/365059-1)%20OR%20556=(SELECT%20556%20FROM%20PG_SLEEP(15))/
相比之下,当使用传统注释符(如--comment)结尾时,检测则能正常工作:
/id/365059-1)%20OR%20556=(SELECT%20556%20FROM%20PG_SLEEP(15))--comment
根本原因
问题的核心在于规则实现中对路径变量的处理不够全面。REQUEST_BASENAME仅获取路径的最后部分,当攻击载荷以斜杠结尾时,这部分内容会被视为空值,导致检测逻辑失效。而REQUEST_FILENAME则包含完整的路径信息,能够覆盖更多检测场景。
影响范围
该问题影响CRS 4.3.0版本,在默认的PL1(Paranoia Level 1)设置下即可复现。虽然问题本身不会导致直接的安全威胁,但它确实为攻击者提供了一种可能的绕过方式,特别是在针对使用CRS保护的Web应用进行SQL注入攻击时。
解决方案
修复方案相对直接:在规则检测中增加对REQUEST_FILENAME变量的检查。这可以确保无论攻击载荷是否以斜杠结尾,都能被正确检测到。这种改进不会显著影响性能,但能大幅提高检测覆盖率。
安全建议
对于使用CRS的用户,建议:
- 关注官方补丁更新
- 考虑在自定义规则中增加对REQUEST_FILENAME的检查
- 在条件允许的情况下,使用更高的Paranoia Level设置
该问题的发现和修复过程体现了开源社区协作的优势,也提醒我们在Web安全防护中需要持续关注检测逻辑的完整性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00