核心点总结
基于单包攻击的高精度Web时序攻击已可实战:10秒内检测200微秒级差异,可发现隐藏参数、盲注入与范围受限SSRF,并已在3万个真实站点验证。
- 作者将个人可利用的最小时序差从30,000微秒降至200微秒,并在基于bbscope与Rapid7 Project Sonar构建的30,000个有赏金计划网站测试平台上验证所有新攻击概念。
- Timeless Timing Attacks(2020)将两个HTTP/2请求放入同一TCP包消除网络抖动,但存在请求顺序固化问题:TLS流中第一个请求先解密、优先响应,原论文用哑参数减慢解析来补救,但该方法依赖目标参数解析实现,可移植性差。
- 作者将竞态条件研究的单包攻击改造为时序测量:分片请求减小关键包,并加入牺牲性ping帧促使操作系统合并header帧,使双包 法无需针对目标配置即可同步执行,该改进已集成进Burp Suite。
- 服务器噪声需通过最短代码路径、缓存与连接复用最小化;信号放大则聚焦慢代码路径、随机输入避缓存、用成批固定前缀header(如X-Uaa/X-Ubb/X-Ucc)放大header查找开销,借鉴ReDoS、嵌套XML实体等DoS技术。
- 首次批量时序参数发现:在Param Miner中以’响应时间’作为新比较属性,对每组30次测量取下四分位数对比(下四分位数受噪声影响最小),发现了commonconfig头(值非有效JSON时多耗5ms)等隐藏参数。
- 最大挑战不是误报而是过度检测:时序能发现’某种东西’但未必是目标——如’exec’参数延迟实为WAF对可疑请求的额外处理,最终由此发现一个已实现为nowafpls工具的WAF绕过。
- IP伪造头检测:在True-Client-IP等头中填入域名,存在漏洞的服务器会执行带内DNS查询产生可测延迟(DNS缓存后变快、无效IP触发异常反而更快),扫描发现375个易受攻击域名,其中206个有DNS回连、217个缓存结果。
- 服务端注入检测上,经典sleep类载荷和OAST足以发现SQLi/代码注入,时序分析的价值在’注入弱势群体’——盲JSON注入、盲服务端参数污染等难以检测的漏洞;后者是最常见发现(编码#使响应180ms vs 430ms)。
- 提出’范围受限SSRF’概念:反向代理仅允许路由到内部域名(如Google开放代理),导致无外带回连、传统OAST检测失效;改用时序检测——同一Host头第二次查询因DNS缓存更快,或用63字节超长DNS标签使查询被拒绝而变快。
- 利用链与危害:数百个易受攻击代理暴露数万域名替代路由,可用于防火墙绕过(经app.redacted.com访问内部SonarQube)、前端伪装攻击(后端无条件信任前端附加头)及子域名接管+SSRF升级为完整SSRF;防御建议为速率限制(每IP每1-5ms一请求)和检测/拆分单包多请求。

网站遍布着时刻渴望泄露其最深秘密的时间预言机。是时候开始倾听它们了。
在本文中,我将释放全新的攻击概念,诱取出服务器机密,包括被掩盖的错误配置、盲数据结构注入、通往禁区的隐藏路由,以及广阔的隐形攻击面。
这并非理论上的威胁;每种技术都将通过针对不同目标的多个真实案例研究加以演示。前所未有的进展使这些攻击既准确又高效;现在,你可以在十秒内可靠地检测出亚毫秒级的差异,无需任何预先配置或“实验室条件”。换句话说,我将分享真正可用的时间侧信道攻击。
为了提供帮助,我会为你配备一套久经考验的开源工具,既支持全自动无人值守的利用,也支持自定义攻击脚本。我还会分享一个小型CTF,帮助你磨炼新技能。
想更进一步?我将通过分享一套在数千个网站上测试了无数概念后提炼出的方法论,帮助你把自己的攻击想法从理论变为现实。我们忽视这种无处不在且威力惊人的侧信道已经太久了。
本研报配合在Black Hat USA和DEF CON上的演讲发布:
你也可以以适合打印的PDF格式阅读这份白皮书。
大纲
背景
Web时间攻击因两件事而臭名昭著:许下宏大的承诺,却无法兑现。相关示例往往停留在理论层面,即使某项技术被冠以“实用”之名,人人都知道一旦尝试在实验室环境之外应用,它就会失效。
这种声誉可能正是我们忽视了一个巨大机遇的原因。
我初次研究计时攻击的成果完全属于“理论性”一类。第二次尝试时,我从回顾自己在实战中成功应用过的攻击开始,同时参考了我读过的其他攻击:

从上到下,这些分别是以下例子:
- 跨站搜索
- 用户名枚举
- 对潜在竞态条件的探测
- 一个经实验室验证的攻击
- 一个理论性攻击,如果真的可行,那将绝对惊艳……
在寻找能在实战中奏效的新型技术的过程中,我聚焦于这两类之间的巨大鸿沟:

时间侧信道攻击研究往往只针对单一目标,但这限制了其实际价值。我希望获得能应用于任意在线目标的技术。为了确保我的新攻击概念达到这一标准,我在一个包含30,000个在线网站的测试平台上进行了验证。基于bbscope和Rapid7的Project SonarDNS数据库,该测试平台是一个20GB的Burp Suite项目文件,其中包含所有已知的设有漏洞赏金计划的网站。
在这项研究之前,我个人利用过的最小时间差是30,000微秒。而现在,是200微秒。这得益于时间侧信道攻击精度的巨大进步,并使多种强大的新技术成为可能。
三种关键攻击技术在各类在线系统上都提供了有价值的发现:发现隐藏的攻击面、服务端注入漏洞以及配置错误反向代理。在本文中,我将深入探讨其中的每一项。
让时间侧信道攻击无处不在
这三种技术现已在Param Miner中可用,因此如果你想的话,可以立刻停止阅读并亲自尝试。这项研究的真正价值在于理解它不止于此;这些只是可能性中的一小部分示例。时间侧信道攻击几乎可以带你到任何地方,但要把握这一潜力,我们需要从头开始。
让我们仔细看看实战中时间侧信道攻击成败的关键因素,以及如何克服它们。在本节中,我将展示如何让时间侧信道攻击变得“本地化”、可移植且可行。
回答难题
人们很容易想当然地认为所有Web计时攻击都是漏洞利用,但这是个错误,因为它限制了你对潜在应用的思考。Web计时攻击的核心,其实就是回答难以解答的问题——那些无法通过观察服务器响应来回答的问题。
我开始这项研究时,尝试对密码重置功能发起基于计时的漏洞利用。结果很糟糕,但恰好说明了理论与现实之间的差距。许多网站实现密码重置的方式是:在数据库中存储一个秘密令牌,并通过链接把令牌发送到用户注册的电子邮箱。当用户点击链接时,网站会将用户提供的令牌与数据库中的令牌进行比较。
在底层,字符串比较通常是逐个字符进行的,直到比较完整条字符串或遇到不匹配的字符对。这意味着匹配的字符越多,比较耗时越长:

在这个示意图中,我们用两个HTTP请求来提问“数据库中是否包含以d7e开头的密码重置令牌?”服务器每比较一个字符耗时一秒,因此通过比较响应时间,攻击者可以判断出令牌以’d7e’开头而不是’d7f’。
遗憾的是,实际比较每个字符的耗时间约为5纳秒,即0.000000005秒。祝你好运能利用它。
噪声与信号
每一次计时攻击的成败都取决于两个相互竞争的变量——信号与噪声。信号指的是你想要检测的计时差异的大小,而噪声指的是其他所有影响响应时间的因素。如果信号相对于背景噪声太微弱,你就听不到它:

要让攻击真正奏效,你需要最大化信号并最小化噪声。本节剩余部分将聚焦于如何做到这一点。
请注意,这个公式并不包含“测量次数”。你可以尝试通过重复测量来消除噪声,但这种方式的可扩展性很差。一旦噪声远大于信号,你很快就会需要数十亿次测量,导致攻击耗时过长,目标系统可能在攻击完成前就已被淘汰。
你可以将噪声分为两部分——网络噪声(抖动)和服务器噪声(内部抖动):

网络抖动是指延迟的变化——即数据包到达目标系统再返回所需时间的波动。它是远程时序攻击的经典宿敌。当有人看到针对本地系统演示的时序攻击后说“这在远程系统上永远行不通”时,他们本质上是在说网络抖动会使攻击无法实现。五年前,这或许是真的。
让时序攻击“本地化”
2020年,Timeless Timing Attacks展示了如何利用HTTP/2完全消除测量中的网络抖动。你可以将两个HTTP/2请求放入单个TCP数据包中,确保它们同时到达服务器。然后你可以观察响应到达的顺序,推断哪个请求在服务器上处理耗时更长:

这一发现消除了最大的噪声来源,并改变了可检测范围的边界。只是有一个小问题。
请求顺序的固化问题
在HTTP/2层,这两个请求是完全并发的,但底层的TLS数据是一个流,因此其中一个请求仍然是“第一个”,也就是说其中一个会先被完全解密。如果你尝试这项技术,会注意到网站明显倾向于优先响应第一个请求。这种偏差可能源于多种因素,包括解密第二个请求所需的时间以及资源的可用性。不幸的是,这可能会掩盖你试图检测的延迟:

作者注意到了这个问题,并通过添加哑参数来减慢第一个请求的解析速度以尝试重新同步执行,从而解决它。
让时序攻击具备可移植性
实验环境众所周知比真实目标噪音更小,但还有第二个更微妙的问题。专注于单一目标往往会产生针对该目标的技术,需要大量调整才能应用到其他地方。这使得它们对任何有截止期限的人来说价值大大降低。
遗憾的是,哑参数填充正是这种问题的一个例子——它的有效性取决于目标如何实现参数解析,以及系统当时有多少可用的处理能力。由于空闲处理能力会受其他系统影响,参数填充实际上可能最终增加噪音水平。我曾在同一个实验系统上,间隔十分钟观察到所需参数数量的不同。
我们真正需要的是一种解决粘滞请求顺序问题的方法,且不需要针对每个目标进行配置。我去年为竞态条件发现而开发的单包攻击为此提供了一个很好的起点。单包攻击通过分片请求来减小“关键包”的大小——即完成请求并启动执行的包。
它的工作原理是:在最初的几个包中发送大部分请求,然后用一个极小的最终包完成请求并触发执行。在下图中,最终的关键包以黑色轮廓标出:

遗憾的是,这引入了另一个问题——一些服务器一旦收到头部就开始处理HTTP请求,而不会等待正文。为解决这个问题,我们需要说服操作系统的网络栈把头部帧合并成单个包,这样无论服务器从哪个阶段开始处理,两个请求都会在同一时间被处理:

你可能会疑惑,为什么我选择把请求拆分成仅两个关键包,而不是每个HTTP头部一个包。那样确实是最理想的,但遗憾的是HTTP/2的RFC禁止交错来自不同请求的头部帧,所以那样做不太可能奏效。
实现这种双数据包同步非常简单——只需额外添加一个ping帧即可!这个无害的牺牲性数据包确保操作系统合并后续的header帧。
disable TCP_NODELAY
send a ping frame for each request with no body:
send the headers
withhold an empty data frame
for each request with a body:
send the headers, and the body except the final byte
withhold a data frame containing the final byte
wait for 100ms
send a ping frame
send the final frames
我们发现这一改进技术后,立即将其集成到了Burp Suite内置的单数据包攻击中,所以你可能已经从中受益了!我目前正在与开源实现h2spacex的开发者合作,争取也把它加进去。
让时序攻击变得可行
排除了网络噪声之后,我们的下一个目标是服务器噪声。不要低估服务器噪声。它来源于众多因素,包括目标服务器的负载、其交互的其他系统、运行在同一物理硬件上的其他虚拟系统,甚至可能包括数据中心附近的天气。服务器噪声正是我至今未对增强版单数据包攻击可检测到的时延做出任何断言的原因——任何此类断言都高度依赖于具体目标,实际上毫无意义。
要最小化服务器噪声,应尽可能走最短的代码路径,并充分利用缓存、对象复用和连接复用等性能特性。执意的攻击者还可以使用CPDoS和资源消耗等DoS技术来减少来自其他用户的噪声。
要最大化信号,应聚焦于缓慢的代码路径,并通过使用随机输入来避免服务器端缓存、尽可能触发对慢速资源的访问以及成倍增加工作量,使其变得更慢。例如,下面这个请求使用了多个带有固定前缀的header,试图放大服务器查找以’X-U’开头的header所产生的时延:
GET / HTTP/1.1
X-Uaa: a
X-Ubb: a
X-Ucc: a
{256}
像ORM和GraphQL这样的现代Web技术也特别适合时延放大技术。请记住,DoS攻击只是一个非常容易实现的时序攻击,可以借鉴ReDoS、批处理和递归XML实体等经典技术。
隐藏的攻击面
漏洞往往潜藏在废弃和被遗忘的功能中,这些功能容易被开发者和安全测试人员共同忽视。因此,漏洞发现之旅通常始于探测隐藏参数、Cookie或HTTP头。
从本质上讲,发现这些隐藏输入需要猜测可能的参数名,并观察响应是否发生变化。不改变响应的参数可能一直无法被发现,与其相关的漏洞也是如此。为了解决这一问题,我决定开展首次批量时间侧信道攻击。
碰巧,我是Param Miner的核心开发者——它可能是第一个用于批量参数发现的工具。Param Miner使用’词数’、’状态’和’行数’等属性来比较响应。在这次研究中,我只是添加了’响应时间’作为额外属性,调高了重复次数,然后开始扫描。
我本可以让Param Miner在这些测量中使用单包攻击,但这需要进行大规模重构,而在研究未经验证的概念时,我会尽可能采取一切捷径以避免浪费时间,所以我没这么做。
相反,我只是测量从请求最后一个字节到响应第一个字节的时间,然后比较两组各30次时间测量值的下四分位数,看它们是显著不同(表明存在有效参数),还是相互重叠。下四分位数非常适合这种比较,因为它反映的是受噪声影响最小的测量值。
发现任务过载
在由30,000个活跃站点组成的测试集上运行加入了时间测量的Param Miner,发现了大量隐藏参数,其中包括一些非常古怪的参数。
一个亮点是一台Web服务器,对于包含神秘HTTP头”commonconfig”的请求,其响应时间会多花5毫秒——除非该头的值是有效的JSON:
| Header | 响应 | 时间 |
|---|---|---|
| foo: x | HTTP/1.1 200 OK | 50ms |
| commonconfig: x | HTTP/1.1 200 OK | 55毫秒 |
| commonconfig: {} | HTTP/1.1 200 OK | 50毫秒 |
另一项发现来自一台拒绝响应任何请求的web服务器——它总是直接重置连接。这种极度防御性的行为仍不足以阻止我的扫描发现它支持某个HTTP头部,因为这个头部会使它重置连接所需的时间显著变长!很有意思,但并没有太大用处。
| 头部 | 响应 | 耗时 |
|---|---|---|
| foo: x | –连接重置– | 30ms |
| authorization: x | –连接重置– | 50ms |
一个更实用的常见发现是:
| 请求 | 响应 | 时间 |
|---|---|---|
| GET /?id=random | HTTP/1.1 200 OK | 310ms |
| GET /?foo=random | HTTP/1.1 200 OK | 22ms |
这一对响应告诉我们两件有价值的事。第一,该站点只把像’id’这样的特定参数纳入缓存键,因此极易受到基于参数的缓存投毒攻击。第二,我们知道’id’参数是被纳入缓存键的,而这种配置通常是全站范围的。这意味着Param Miner通过时间分析检测出了一个应用于另一个页面的参数!
最困难的问题
当我尝试这个概念时,我预计会遇到两个问题。第一,我预期许多技术会完全失效。第二,我怀疑我遇到的任何有效结果都会隐藏在大量误报之中。
最大的挑战却两者都不是。而是时间攻击太强大了。它们能检测到太多东西,以至于极其容易误解你所检测到的内容。它们极其擅长检测到”某种东西”,但那个东西不一定就是你想检测的目标。
完美地说明了这一点。这个参数检测乍一看像是远程代码执行(RCE),结果却发现是完全不同的东西(但仍然有用)。
这段视频展示了一个初看像是潜在远程代码执行漏洞的场景:一个’exec’参数导致了明显的响应延迟。这个延迟实际上是一个WAF对更可疑的请求进行额外处理的迹象。随后我们看到,当该参数重复出现时延迟会叠加,除非请求体超过某个大小阈值。最终这引出了对一次完整WAF绕过的发现。这次绕过的发现对我而言完全出乎意料,但此后也被其他人发现,并已实现在nowafpls工具中。它仍然是时间分析如何揭示目标控制流洞察的一个绝佳演示。
这只是其中一个较为容易的案例——有时你可能永远无法完全理解自己检测到的东西。轻持你的假设,并尽可能从不同角度进行验证。
证明这个概念
为避免被错误假设误导,我决定专注于那些无需耗时的手工调查即可提供明确安全影响的特定参数,以及能直接获取额外佐证证据的简单方法。
通过HTTP头进行IP地址伪造完美满足了这些要求。这是一种相对常见的错误配置,并且直接可用于多种攻击,包括绕过速率限制、伪造日志,甚至在某些情况下绕过访问控制。通过在伪造的前端头中放入一个IP地址,你实际上是在冒充前端。我们稍后会更深入地探讨前端冒充攻击。
方便的是,如果你在伪造的头中放入一个域名,存在漏洞的服务器通常会执行带内DNS查询来解析它,从而产生易于检测的延迟。以下是一个典型的检测:
| 头 | 时间 |
|---|---|
| Random-header: xyz.example.com | 65ms |
| True-Client-IP: xyz.example.com | 70ms |
| True-Client-IP: xyz.example.com | 65ms |
第一个响应返回得很快,因为它不会触发DNS查询。第二个响应会触发对xyz.example.com的DNS查询,所以更慢,而第三个响应到达得更快,因为DNS响应已被缓存:

我们稍后会再次讨论DNS缓存。总的来说,对IP地址伪造的扫描发现了:
- 375个易受攻击的域名
- 其中206个还触发了DNS回连
- 217个可明显观察到对结果进行了缓存
这可能让你想知道那约170个未触发DNS回连的易受攻击域名——它们是误报吗?这里有一个例子:
| Header | Time |
|---|---|
| Random-header: x.psres.net | 170ms |
| True-Client-IP: x.psres.net | 90ms |
| True-Client-IP: 1.1.1.1 | 170毫秒 |
你觉得这里发生了什么?
给你一个线索——在你的登录历史中,该网站记录了登录的IP地址和位置:
| 时间 | 浏览器 | IP | 位置 |
|---|---|---|---|
| 5分钟前 | Windows版Chrome | 1.1.1.1 | Cloudflare |
我认为该系统将伪造的IP地址传入了一个库,该库在将其传给第三方Geolookup服务之前会先验证格式。提供一个类似’x.psres.net’的无效IP地址会触发异常,从而阻止了缓慢的IP查询发生:

因此,我们获得了一种新的参数发现技术,证明了计时攻击可以在真实环境中大规模发挥作用,还发现了一个重要现象:触发错误的输入可以大幅缩短代码路径,从而带来显著更快的响应。换句话说,计时攻击极其擅长检测异常
服务端注入
触发和发现异常是测试服务端注入漏洞的基础环节,涵盖从SQL注入到操作系统命令注入。这使得计时分析成为服务端注入检测的绝佳搭档。
我尝试通过在Backslash Powered Scanner中添加’time’作为响应属性来复制Param Miner的成功,但这归于失败。没有单数据包攻击,我只能检测到明显的时间差异,而这些差异主要来自WAF而非真实漏洞。此外,该工具的复杂性使其难以被改造以应对各种挑战。
在我的第二次尝试中,我复用了Param Miner中的一些代码,构建了一个简单得多的测试,使用了单数据包攻击。每次探测我最多发出50对请求,并记录每对请求的响应顺序。如果响应顺序至少80%偏向某个载荷,我就将其报告为有效发现。
完全盲注SQLi
第一个发现是一个完全盲注的SQL注入,使用了一对经典的载荷检测到:
| 请求 | 响应 | 时间 |
|---|---|---|
| GET /api/alert?mic=’ | {} | 162ms |
| GET /api/alert?mic=” | {} | 170ms |
遗憾的是,当我上报这个问题时,结果发现是一个重复报告。事后回想,我本应该预料到这一点——使用众所周知的‘||sleep(5)||’载荷就能轻松检测出同一个漏洞。对于可以注入sleep语句的漏洞,根本不需要高级时序分析来检测。同样,时序也不适合用来发现代码注入,因为通常使用OAST技术能更好地找到它们。
对于命令注入、SQLi和代码注入这类强大的漏洞,基于时序的检测只有在存在WAF或过滤机制阻断了经典检测技术时才真正有用。让我们看看其他地方。
盲JSON注入
时序在寻找“注入弱势群体”时才能大显身手;这类漏洞允许操纵数据结构和格式,但达不到完整的代码执行。这包括注入到JSON、XML、CSV等格式以及服务端查询参数和HTTP标头中。这些漏洞很少被提及,因为它们实在太难检测了。
利用起来同样很难,但有时你可以将时间信息与可见特征结合起来,以额外洞察幕后发生的事情。例如,我发现一个目标,其中无效的JSON转义序列使响应快了200us(0.2ms)返回:
| 参数 | 响应 | 时间 |
|---|---|---|
| key=a”bb | “error”: { “message”: “Invalid Key: a”bb” } |
24.3ms |
| key=a”bb | “error”: { “message”: “无效密钥:a”bb” } |
24.1ms |
你认为服务端正在发生什么?
响应格式中有一条线索——我们注入的无效语法并未改变响应的格式。我原本期望JSON格式化器在遇到无效语法时会失败,或至少返回明显不同的输出。
此外,较长的输入在响应中被隐去了:
| 参数 | 响应 | 时间 |
|---|---|---|
| key=aaa…a“bbb | “error”: { “message”: “Invalid Key: ****bbb” } |
24.3ms |
这个特性提供了第二条线索:当我们无效的JSON序列被脱敏后,时间差消失了!综合来看,这强烈表明延迟是由某个解析发送给我们的响应的组件造成的。我最好的猜测是某种错误日志系统。能从0.2ms的时间差中推断出这一点让我相当满意,但由于没有明确的利用路径,我决定继续探索其他方向。
盲注服务器端参数污染
我进行最多的探测是针对盲注服务器端参数污染。方法是比较保留URI字符(如?和#)与非保留字符(如!)的响应时间。
在某些情况下,发送编码后的#会让响应更快返回:
| 请求 | 响应 | 时间 |
|---|---|---|
| /path?objectId=57%23 | 无法解析参数 | 180ms |
| /path?objectId=57%21 | 无法解析参数 | 430ms |
这可能是由于该片段破坏了服务器端的路径,从而从后端快速返回了静态响应,也可能是应用程序的HTTP客户端直接拒绝发送包含原始#的HTTP请求。当然,关键在于不要想当然地假设延迟会出现在哪一种情况上——在其他目标上,编码后的#反而使响应更慢地返回。
服务器端参数污染以巨大优势成为最常见的注入类发现,因此我认为这是一个值得进一步研究的有前景的领域。有关此类攻击的更多信息,请参阅服务器端参数污染,以及Attacking Secondary Contexts in Web Applications。
Bug替身
如我们所见,高精度时间检测非常擅长发现盲注入类漏洞,但它们并不总是容易利用。在分析这些发现时,我常常对服务器端发生了什么有了一定理解,却在实际利用上止步不前。此外,时间检测往往能发现我们不太熟悉如何利用的、较为冷门的攻击类。
仅凭时间证据收集足够的信息来构建POC通常既棘手又耗时。测试一个常规的非盲漏洞通常只需要单个repeater请求,而其中许多漏洞则可能需要长达30秒的Turbo Intruder攻击。
一个有用的方法是“Bug替身”——即目标漏洞类的非盲变体。Param Miner会报告这些漏洞,它们非常适合用来在一个难度较低的环境中学习如何解读和利用这类漏洞。
Bug替身是本研究中一个更宽泛的、反复出现的主题的一部分。如果忽略时间信息,你会错失机会;但如果过于专注于时间信息,你同样会错失机会。想取得成功,就要利用每一个可用的信息通道。
反向代理配置错误
这项研究中最大的突破是,我意识到可以利用时间侧信道来检测一种被广泛忽视的SSRF类型。
早在2017年,我就曾研究过一些技术,利用配置不当的反向代理实施SSRF并获取对内部系统的访问。最常见的漏洞是那些将请求路由到HTTP Host头中指定域名的服务器。为了检测这类漏洞,我会向它们发送一个Host指向我自己控制的域名的请求:
GET / HTTP/1.1
Host: uniq-token.burpcollaborator.net
如果目标存在漏洞,我就会在我的burpcollaborator.net站点上看到我的请求到达,由存在漏洞的反向代理转发而来。

之后我会发送内部IP和主机名,以肆意搜刮其内部网络。这带来了一些引人注目的发现,包括意外入侵了我的ISP部署用于对其客户进行MITM的一个系统。
范围受限的SSRF
尽管检测成功了,但这项检测技术有一个重大盲区——范围受限的SSRF。
在我发布这项研究之后,Google的某人询问我是否在他们的系统中发现了任何漏洞,强烈暗示他们曾经存在漏洞。不久之后,Ezequiel Pereira发布了$10k host header,其中他利用了属于Google的一个开放代理,而我的扫描方法未能检测到它。我的扫描方法之所以失败,是因为Google的代理被配置为只将请求路由到他们自己的系统,所以我的服务器从未收到DNS查询。
这是一个非常常见场景的提示:公司允许将请求转发到任意子域名:
| Host 头 | 完全 SSRF | 范围受限 SSRF |
|---|---|---|
| random.example.com | 404 Not Found | 404 Not Found |
| random.notexample.com | 404 Not Found | 403 Forbidden |
我认为这种类型的SSRF还没有一个公认的名称,所以我将其称为范围受限SSRF(scoped SSRF)。这种限制可以通过内部DNS服务器、简单的主机名校验、阻止出站DNS的防火墙或严格的监听配置来实现。结果总是一样的——你拿到了一个影响接近完整SSRF的漏洞,但无法使用pingback/OAST技术检测到它。
检测范围受限SSRF
要检测范围受限SSRF,我们需要回答这样一个问题:“服务器是否尝试连接到指定的主机名?”。时间侧信道非常适合用于此。假设位于www.example.com的服务器会返回以下响应:
| Host头 | 响应 | 时间 |
|---|---|---|
| foo.example.com | 404 未找到 | 25ms |
| foo.bar.com | 403 已禁止 | 20ms |
这两个响应表明它对Host头做了某种校验,但没有足够的信息判断它是否是开放代理。如果依赖响应内容,最终会产生误报和漏报。
下面这组请求对证明了该问题——第二个响应更快,说明存在DNS缓存:
| Host头 | 响应 | 时间 |
|---|---|---|
| abc.example.com | 404 Not Found | 25ms |
| abc.example.com | 404 Not Found | 20ms |
有些DNS系统不会缓存失败的DNS查询,但我为此找到了一个替代方案——发送超长的64字节DNS标签,导致DNS客户端拒绝发出查询并获得更快的响应:
| Host头 | 响应 | 时间 |
|---|---|---|
| aaa{62}.example.com | 404 Not Found | 25ms |
| aaa{63}.example.com | 404 未找到 | 20ms |
筛选秘密路由
用这些技术扫描后发现了数百个易受攻击的反向代理,暴露了通往数万个域名的替代路由——我迫切需要自动化。
当你找到一个开放的反向代理时,第一步是尝试用它访问每个可能的目标。我编写了代码,利用三个主要来源自动编译目标子域名列表:
- 硬编码的通用子域名字典
- 来自 Rapid7的Project Sonar ‘fdns’ 文件的已知子域名列表。为了快速解析这个58 GB的文件以提取特定目标的子域名,我使用’rev’反转每一行,然后按字母顺序排序,使同级域名彼此相邻。接着我运行了老式的unix工具’look’进行二分查找。与grep相比,这将搜索时间缩短了99.999%。
- columbus.elmasy.com上的在线子域名服务,其数据主要编译自证书透明度日志
我让Param Miner对每个主机尝试访问两次——一次直接访问,一次通过代理访问——并报告两次访问触发明显不同响应的主机。在比较响应时,我重点关注响应状态码、头部名称以及Location头,因为这些是信号最强的区域。这产生了大量发现,可归为四大类。
直接在Host头中猜测主机名通常被称为“vhost暴力破解”,但反向代理利用往往看起来完全不同,因此理解这一区别很重要。虚拟主机暴力破解只能访问同一服务器上的其他网站。与此同时,反向代理会将请求路由到不同的系统,从而实现前端规则绕过、前端伪装以及利用链组合等独特攻击。让我们深入探讨。
防火墙绕过
最简单的利用场景是你可以从外部看到目标,但无法直接访问它。

在一家公司,sonarqube.redacted.com解析到了一个公网IP地址,但尝试访问它会触发防火墙的连接重置。我的探测已识别出app.redacted.com是一个反向代理,利用它,我能够绕过防火墙并访问内部的SonarQube实例。
| 入口点 | Host头 | 结果 |
|---|---|---|
| sonarqube.redacted.com | sonarqube.redacted.com | –重置– |
| app.redacted.com | sonarqube.redacted.com | 200 OK |
防火墙绕过 – 不可见的路由变体
存在一种常见变体:内部系统没有方便的公开DNS记录来让你知道它的存在:

有大量预生产、预发布(staging)和开发服务器暴露给任何应用这种技术的人。如果运气好,它们会启用调试功能或配置了测试凭据,从而成为软目标。这些系统甚至可能存有真实目标数据,或复用了生产环境的密钥。
我找到的最有趣的目标是仍在积极开发中的未上线系统。特别是,我发现了一个在某个非常酷的美国政府系统上显然可公开访问的管理控制台,可惜我无法提供任何细节,对此我非常遗憾。我报告了该问题,该系统几个月后“上线”了,但那个管理控制台已不见踪影。
前端规则绕过
有些目标可公开访问,但其前端服务器强制执行不便的安全规则,会阻止攻击或限制对有价值端点的访问。处理这些的经典方法是直接与后端通信,但由于防火墙的存在,这往往无法实现。
反向代理提供了一个引人注目的替代方案——绕过这道屏障:

在某个目标上,通过反向代理走替代路径,可以把这个:

变成这个:

前端仿冒攻击
最壮观、最令人意外的漏洞利用往往发生在前端与后端之间存在信任关系时。众所周知,可以使用X-Forwarded-For之类的头来伪造你的IP地址。但人们较少意识到的是,这只是更广泛、更强大的一类漏洞的一部分。这类攻击还没有公认的名称,所以我将其称为前端伪装攻击(front-end impersonation attack)。
前端系统通常会在将请求转发给后端之前附加HTTP头。其中包含后端可能用到的额外信息,例如用户的远程IP地址和来源协议。更复杂的部署有时会使用自定义头来传输关键的认证信息。后端服务器会无条件信任这些头。
如果攻击者试图伪造这些头,前端通常会将其覆盖。这种头覆盖行为是抵御前端伪装攻击的唯一一道脆弱防线。

绕过这道防线最简单的方法是直接与后端通信,但由于网络防火墙的存在,这通常不可行。另一种方法是HTTP请求隧道,我曾利用它借助一个名为”Service-Gateway-Is-Newrelic-Admin”的头完全攻陷New Relic的核心内部API。你还可以尝试混淆头,将它们走私过前端。
配置不当的代理为绕过头覆盖防御并实施前端伪装攻击提供了一种优雅的替代方式。要尝试这种方法,
- 使用Param Miner的’Detect scoped SSRF’扫描来检测反向代理
- 运行’Exploit scoped SSRF’来寻找通往内部系统的替代路由
- 在每条替代路由上,运行’Guess headers’来寻找有用的头
要成功运用这一点,需要对幕后发生的事情有强大的心理可视化能力。为了帮助大家,我在listentothewhispers.net上做了一个小型CTF——看看你能不能破解它!
利用链
最后,通过反向代理实现的作用域SSRF提供了绝佳的漏洞利用链组合机会。
如果你能在目标公司接管一个子域名,并将DNS记录指向任意IP地址,就可以用它把作用域SSRF升级为完整SSRF,访问任意IP地址。这很像将传统SSRF与开放重定向进行组合利用。
由于反向代理允许你选择后端,它们非常适合HTTP请求走私。我没有时间深入探索这个概念。简而言之,我想你会发现,虽然很容易找到存在请求走私漏洞的后端,但跨用户利用往往是不可能的,因为不会有合法用户与你的前端/后端连接共享。要证明其影响,你需要尝试基于隧道的利用手法,比如前端伪装和头部泄露。
接下来做什么?
我的计划
我这项研究的目标是让人们把时序攻击融入日常工作。因此,我计划在接下来一个月里改进Param Miner和Turbo Intruder中的工具。特别是,我认为仅通过使用t检验来决定是否报告发现、放弃还是获取更多样本,就可能让大多数时序攻击快不少。我也会关注用户反馈——如果你有任何需求或想法,请通过Github或给我发邮件告诉我。
时序研究路线图
这些发现仅仅是冰山一角,时序攻击在进一步研究方面仍有巨大潜力。如果你想了解这类攻击接下来可能的发展方向,或者想亲自深入探索,可以考虑许多不同的途径。
我认为最有价值的方向是寻找时序攻击的新应用场景。这相对容易,而且入门不需要投入大量时间。这里的主要风险是误入这样的概念:你需要检测的信号被噪声淹没。幸运的是,这很容易避免。首先思考延迟产生的原因。它是来自与远程系统、局域网系统、硬盘、RAM 还是 CPU 寄存器的额外交互?一旦你在正确的层面上思考,就可以考虑构建一个本地基准测试来测量你需要检测的信号大小。
如果信号太小,可以探索放大技术。记住大多数DoS攻击本质上就是时序攻击,不妨加以利用。也许你可以使用嵌套XML实体、ReDoS 或哈希表冲突来扩大延迟。
抖动消除技术同样极具价值且被广泛忽视——可能有一些出色的技术正等待有人来研究这个领域。
在通用技术层面也有改进空间。也许单包攻击在 TCP 层进行分片时效果更好?也许在单个数据包中发送十个请求比两个更有效?
最后,无论你选择哪条路径,都要抵制过度专注于单一目标的诱惑——通用且可复用的技术对这个领域的发展贡献要大得多。
防御
timing攻击(时序攻击)很难防御。首先,开发人员应当明白,攻击者对其系统内部运作的可见性远不止实际的响应内容。
最安全的做法是高估攻击者的能力。假设攻击者能读到被执行的每一行代码。这类似于你的代码是开源的,但稍微更严重一些,因为实时数据会影响执行流程。攻击者无法直接访问变量,但他们能看到走了哪些分支,以及每个循环经历了多少次迭代。
在实施诸如缓存之类的性能优化时尤其要考虑这一点,因为这类优化往往会提供巨大的信号。为了缓解利用较小信号的攻击,你可以尝试通过实施速率限制来破坏单包攻击(single-packet attack),将每个IP地址限制为每1-5毫秒一个请求。
同样,如果你是WAF厂商,请考虑检测单个数据包何时包含多个HTTP请求,并将它们拆分为多个独立的数据包,每个之间加入极短的延迟。
最后,是的,我确实建议在将用户输入与密钥进行比较时使用恒定时间函数。只要求任何声称这是实际威胁的人提供一个POC即可。
要点
这不仅仅是关于漏洞利用。从本质上讲,Web时序攻击的核心在于回答困难的问题。
借助单包攻击,Web时序攻击已变得“本地化”、可移植且可行。
时序预言机无处不在。无论你在测试什么,时序的低语始终存在,等待你去倾听。
祝愉快!
原文链接:https://portswigger.net/research/listen-to-the-whispers-web-timing-attacks-that-actually-work
译文由 QGG 精译流程生成,版权归原作者所有;本译文以 CC BY-NC 4.0 协议发布(署名—非商业性使用),禁止商用。
