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。
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