基于SQL注入漏洞的攻擊技術研究

朱振南 金京犬

關鍵詞：SQL注入漏洞；SQL注入攻擊；SQL注入檢測；SQL注入防御

0 引言

OWASP TOP 10（Open Web Application SecurityProject） 對Web應用程序最常見、最危險的十大安全漏洞進行了綜合總結，在2013年版、2017年版和2021 年版中，SQL注入攻擊分別被列為第1、1、3位。這份榜單的高排位充分說明了SQL注入攻勢的嚴重性和普遍性。SQL注入漏洞作為一種典型的Web安全高危漏洞，攻擊者能夠利用未經授權的SQL查詢執行惡意操作。這種漏洞的后果包括嚴重的數據泄露、數據篡改、系統癱瘓以及用戶身份盜用等風險。全球范圍內，SQL注入攻擊已經導致了巨大的經濟損失和隱私泄露。所以，針對檢測和防御SQL注入攻擊研究已成為網絡安全研究領域的重要課題。

1 SQL 注入關鍵詞

在SQL注入攻擊中，攻擊者可以通過在用戶輸入中插入特殊的SQL代碼，來改變原始查詢的意圖，執行未經授權的操作，獲取敏感數據或對數據庫進行惡意操作。SQL注入攻擊中常見的用于構造惡意SQL 語句的關鍵詞[1]如表1所示。

2 SQL 注入攻擊原理

SQL注入攻擊[2]是通過向Web應用程序傳遞惡意構造的SQL查詢，來繞過應用程序的輸入驗證，從而執行非授權的數據庫操作。下面以一個簡單的例子來說明一下SQL注入攻擊原理。

假設有網站的搜索功能，用戶可以將自己感興趣的關鍵詞輸入搜索框進行搜索。Search功能的實現，使用了如下 SQL 查詢語句：

3 SQL 注入實現方式

攻擊者通過在網站的輸入字段中插入惡意的SQL代碼，從而繞過應用程序的安全驗證，對數據庫進行非法操作，常見的SQL注入方式有以下幾種。

3.1 堆疊查詢注入

攻擊者通過在一個SQL查詢中嵌入多個查詢語句，以執行額外的惡意操作，這種注入方式可以利用數據庫的批處理功能，執行多個SQL語句。假定有用戶登錄功能，用戶通過輸入用戶名和密碼的方式進行登錄校驗。攻擊者可以構造惡意的輸入，例如在用戶名字段中輸入 ′ OR 1=1; DROP TABLE users; --。當這個輸入被拼接到SQL查詢中時，它會變成：

SELECT * FROM users WHERE username = ′′ OR1=1; DROP TABLE users; --′ AND password = ′輸入的密碼′;

這個惡意的輸入利用了堆疊查詢注入的特性，將兩個SQL語句合并在一起。第一個語句是一個無條件成立的條件，使得查詢的結果集不為空；第二個語句是一個危險的操作，刪除了users表。因此，這個注入攻擊成功地刪除了users表。

3.2 基于聯合查詢的注入

攻擊者通過構造惡意的SQL語句，利用UNION關鍵字，將惡意查詢與原始查詢的結果合并后進行攻擊。如在搜索框中輸入‘UNION SELECT username，password FROM users; --。當這一輸入被拼接到SQL 查詢中時，它會變成：

SELECT * FROM 表名稱 WHERE name LIKE‘ % 關鍵字% UNION SELECT username， password FROMusers; --′;

這個惡意的輸入利用了聯合查詢注入的特性，將原來的查詢結果與攻擊者構造的查詢結果合并在一起。這樣，攻擊者就能獲得users表格中的用戶名和密碼等敏感資料。

3.3 基于函數報錯的注入

攻擊者通過updatexml（）、extractvalue（）、floor（）等函數運行的時候，構造一些報錯點，可以展示出數據庫在執行時產生錯誤信息，從而從報錯信息中獲取設定信息。假設有一個用戶注冊的功能，攻擊者構造惡意的輸入：

Admin01or updatexml（1， concat（0x7e， database（）），0） or。當這個輸入被拼接到SQL 查詢中時，它會變成：

INSERT INTO users （字段1， 字段2，……，字段n）VALUES ‘（ admin01or updatexml（1， concat（0x7e， data?base（）），0） or，字段2，……，字段n）;

這個惡意的輸入利用了錯誤的注入特性，使得SQL語句執行時產生錯誤，從而繞過了正常的注冊流程，并獲取到了當前網站的所使用的數據庫名。

3.4 基于真假盲注的注入

開發者在后臺使用了錯誤消息屏蔽方法屏蔽了報錯，此時無法根據報錯信息來進行注入的判斷，在這種情況下，攻擊者利用盲注獲取設定的信息，真假盲注注入是利用數據庫的布爾邏輯判斷結果來獲取敏感信息。攻擊者在用戶登錄框中輸入 ′ OR 1=1AND ′A′=′A。當這個輸入被拼接到SQL查詢中時，它會變成：

SELECT * FROM users WHERE username = ′′ OR1=1 AND ′A′=′A′ AND password = ′輸入密碼′;

這個惡意的輸入利用了布爾邏輯判斷的特性，使得整個條件永遠成立。所以，通過這種注入攻擊，繞過登錄驗證，無論用戶輸入的密碼是否正確。

3.5 基于時間盲注的注入

攻擊者通過構造惡意的SQL語句，利用數據庫的時間延遲函數來判斷注入是否成功，從而獲取敏感信息。攻擊者在搜索框中構造惡意輸入′OR SLEEP（5）;--。當它被拼接到原SQL查詢中時，它會變成：

SELECT * FROM 表名稱WHERE name LIKE ′% 關鍵字%′ OR SLEEP（5）; --′;

這個惡意的輸入利用了時間延遲函數SLEEP（）的特性，使得查詢語句執行時會暫停5秒鐘，攻擊者通過觀察所查詢的反應時間來判斷是否注入成功。

3.6 基于存儲過程的注入

基于存儲過程的注入[3]是攻擊者通過構造惡意的SQL語句，利用數據庫中的存儲過程進行額外的惡意運算。攻擊者能夠通過存儲過程執行系統命令或訪問敏感數據。假設有一個用戶注冊的功能，攻擊者在注冊用戶名字段中輸入 ′; DROP TABLE users; --。當這個輸入被拼接到SQL查詢中時，它會變成：

這個惡意的輸入利用了存儲過程的執行方式，將惡意的 SQL 語句作為參數傳遞給存儲過程。這樣，攻擊者成功地執行了危險的操作，刪除了users表。

3.7 基于函數的注入

基于函數的注入[4] 是攻擊者通過構造惡意的SQL 語句，利用數據庫中的函數來執行額外的惡意操作。攻擊者能夠執行系統命令，或利用數據庫功能訪問敏感資料。攻擊者在搜索框中構造惡意的輸入′;SELECT @@VERSION; --。當這個輸入被拼接到SQL查詢中時，它會變成：

SELECT * FROM products WHERE name LIKE ′% 關鍵字%′; SELECT @@VERSION; --′

這個惡意的輸入利用了數據庫函數@@VERSION，返回數據庫的版本信息。通過這個注入攻擊，攻擊者可以獲取到數據庫的版本信息，從而了解數據庫的漏洞和安全弱點。

3.8 基于批量的注入

基于批量的注入[5]是攻擊者通過構造惡意的SQL 語句，將多個注入語句一次性提交給服務器，以提高注入成功的概率。攻擊者在注冊框中輸入大量的惡意語句，例如 ′ OR 1=1; SELECT * FROM users; --。當這個輸入被拼接到SQL查詢中時，它會變成：

INSERT INTO users （username， password）VALUES （′′ OR 1=1; SELECT * FROM users; --′， ′輸入的密碼′）， （′惡意用戶名1′， ′惡意密碼1′）， （′惡意用戶名2′， ′惡意密碼2′）， ...;

這個惡意的輸入利用了批量插入的特性，將惡意的SQL語句與正常的插入語句一起提交給服務器。這樣，攻擊者可以一次性插入大量的惡意數據，并且獲取到users表中的所有數據。

4 SQL 注入攻擊實踐案例

網絡安全實踐中，探索發現某網站“忘記密碼”頁面存在SQL注入漏洞，利用時間盲注成功繞過了網站綁定的指定郵箱，并獲取了敏感信息，攻擊過程如下。

Step1：測試是否存在注入漏洞。通過測試語句1′ or sleep（5）#， 發先頁面5s后才加載完成，證明數據庫執行了休眠5s的操作，存在時間盲注。

Step2：確定查詢字段個數。通過數據庫order by 語句確定字段個數，構造paylaod： admin′ order by 10# 不報錯，而admin′ order by 11# 報錯，可確定從表中讀取了10個字段值。

Step3：查詢數據庫版本信息。通過union聯合查詢的注入可以判斷回顯字段： 1′ union select 1，2，3，4，5，6，7，8，9，10#。于是把payload改為 1′ union select 1，ver?sion（），3，4，5，6，7，8，9，10#。

5 SQL 注入攻擊檢測技術

SQL注入攻擊對全球經濟造成了巨大損失，并導致大量隱私數據被泄露。為了應對這一威脅，針對SQL注入攻擊行為檢測技術研究也是層出不窮，主要有基于規則的檢測、基于機器學習的檢測、基于行為分析的檢測[6-7]，三種檢測技術的優缺點如表2所示。

5.1 基于規則的檢測技術

基于規則的偵測技術是最早被提出并被廣泛應用的SQL注入攻擊偵測方法之一。該方法通過事先定義一系列規則，檢測輸入的SQL語句中是否包含可能引發注入攻擊的惡意代碼。該方法的優點是簡單易行，但缺點是規則的編寫和維護較為煩瑣，并且無法檢測未知的攻擊模式。惡意行為是否存在，可以通過這種基于預定規則的檢測技術進行檢測。在SQL 注入攻擊的情況下，定義一些常見的SQL注入關鍵字，如“DROP”“DELETE”“SELECT”“UPDATE”等。然后，通過輸入SQL查詢，在查詢包含任何關鍵詞的前提下，判斷為SQL注入攻擊。

5.2 基于機器學習的檢測技術

基于機器學習的檢測技術通過訓練機器學習模型，將正常的SQL語句和惡意的 SQL 語句進行區分，從而能夠自動學習和識別惡意行為的模式。常用的機器學習算法包括決策樹、支持向量機、神經網絡等。這種方法的優點是可以對未知的攻擊方式進行偵測，并且具有很高的偵測精確度。然而，基于機器學習的檢測方法需要大量的訓練數據和計算資源，并且容易受到攻擊者的對抗性樣本攻擊。

5.3 基于行為分析的檢測技術

基于行為分析的SQL注入攻擊檢測技術是近年來的研究熱點之一。該方法通過對數據庫系統中的SQL查詢語句進行分析，檢測異常的行為模式。常用的行為分析方法包括序列模式挖掘、聚類分析、關聯規則挖掘等。該方法的優點是可以檢測復雜的注入攻擊模式，并且對于未知的攻擊具有一定的適應性。然而，基于行為分析的方法需要對數據庫系統進行深入的分析和建模，且對系統性能有一定的影響。在實際應用中，使用序列模式挖掘算法來檢測異常的查詢序列模式，通過監控數據庫系統的查詢日志，并分析查詢的模式和頻率來檢測異常行為，循環中不斷地獲取最新的查詢日志，以提高檢測性能。

5.4 其他檢測技術

除了上述三種主要的檢測技術，還有一些其他的檢測方法被提出。例如，基于模型檢測的方法通過對SQL語句的語法和語義進行分析，檢測可能引發注入攻擊的漏洞。基于正則表達式的方法通過定義一系列正則表達式模式，檢測輸入的SQL語句中是否包含惡意的代碼。

6 結束語

SQL注入漏洞是一種常見且易于利用的漏洞，對數據庫系統和應用程序的安全構成了嚴重威脅。本文重點研究了SQL注入攻擊技術，下一步將針對SQL 注入攻擊檢測技術[8]進行深入研究，研究方向包括異常檢測和自適應防御系統、云環境下的SQL注入攻擊防御，以及物聯網和大數據環境下的SQL注入攻擊研究。