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。
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-1.5暂无简介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
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
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