淺析白盒審計中的字符編碼及SQL注入
盡管現在呼吁所有的程序都使用unicode編碼，所有的網站都使用utf-8編碼，來一個統一的國際規范。但仍然有很多，包括國內及國外(特別是非英語國家)的一些cms，仍然使用著自己國家的一套編碼，比如gbk，作為自己默認的編碼類型。也有一些cms為了考慮老用戶，所以出了gbk和utf-8兩個版本。
我們就以gbk字符編碼為示范，拉開帷幕。gbk是一種多字符編碼，具體定義自行百度。但有一個地方尤其要注意：
通常來說，一個gbk編碼漢字，占用2個字節。一個utf-8編碼的漢字，占用3個字節。在php中，我們可以通過輸出
echo strlen("和");
來測試。當將頁面編碼保存為gbk時輸出2，utf-8時輸出3。
除了gbk以外，所有ANSI編碼都是2個字節。ansi只是一個標準，在不用的電腦上它代表的編碼可能不相同，比如簡體中文系統中ANSI就代表是GBK。
以上是一點關于多字節編碼的小知識，只有我們足夠了解它的組成及特性以后，才能更好地去分析它身上存在的問題。
說了這么多廢話，現在來研究一下在SQL注入中，字符編碼帶來的各種問題。
0×01 MYSQL中的寬字符注入
這是一個老話題了，也被人玩過無數遍。但作為我們這篇文章的序幕，也是基礎，是必須要提的。
我們先搭建一個實驗環境。暫且稱之為phithon內容管理系統v1.0，首先先新建一個數據庫，把如下壓縮包中的sql文件導入：
測試代碼及數據庫：http://pan.baidu.com/s/1eQmUArw 提取密碼:75tu
之后的phithon內容管理系統會逐步完善，但會一直使用這個數據表。
源碼很簡單(注意先關閉自己php環境的magic_quotes_gpc)：
//連接數據庫部分，注意使用了gbk編碼，把數據庫信息填寫進去
- <?php
- //連接數據庫部分，注意使用了gbk編碼，把數據庫信息填寫進去
- $conn = mysql_connect('localhost', 'root', 'toor!@#$') or die('bad!');
- mysql_query("SET NAMES 'gbk'");
- mysql_select_db('test', $conn) OR emMsg("連接數據庫失敗，未找到您填寫的數據庫");
- //執行sql語句
- $id = isset($_GET['id']) ? addslashes($_GET['id']) : 1;
- $sql = "SELECT * FROM news WHERE tid='{$id}'";
- $result = mysql_query($sql, $conn) or die(mysql_error()); //sql出錯會報錯，方便觀察
- ?>
- <!DOCTYPE html>
- <html>
- <head>
- <meta charset="gbk" />
- <title>新聞</title>
- </head>
- <body>
- <?php
- $row = mysql_fetch_array($result, MYSQL_ASSOC);
- echo "<h2>{$row['title']}</h2><p>{$row['content']}<p>\n";
- mysql_free_result($result);
- ?>
- </body>
- </html>
SQL語句是SELECT * FROM news WHERE tid='{$id}'，就是根據文章的id把文章從news表中取出來。
在這個sql語句前面，我們使用了一個addslashes函數，將$id的值轉義。這是通常cms中對sql注入進行的操作，只要我們的輸入參數在單引號中，就逃逸不出單引號的限制，無法注入，如下圖：
那么怎么逃過addslashes的限制?眾所周知addslashes函數產生的效果就是，讓’變成\’，讓引號變得不再是“單引號”，只是一撇而已。一般繞過方式就是，想辦法處理\’前面的\：
1.想辦法給\前面再加一個\(或單數個即可)，變成\\’，這樣\被轉義了，’逃出了限制
2.想辦法把\弄沒有。
我們這里的寬字節注入是利用mysql的一個特性，mysql在使用GBK編碼的時候，會認為兩個字符是一個漢字(前一個ascii碼要大于128，才到漢字的范圍)。如果我們輸入%df’看會怎樣：
我們可以看到，已經報錯了。我們看到報錯，說明sql語句出錯，看到出錯說明可以注入了。
為什么從剛才到現在，只是在’也就是%27前面加了一個%df就報錯了?而且從圖中可以看到，報錯的原因就是多了一個單引號，而單引號前面的反斜杠不見了。
這就是mysql的特性，因為gbk是多字節編碼，他認為兩個字節代表一個漢字，所以%df和后面的\也就是%5c變成了一個漢字“運”，而’逃逸了出來。
因為兩個字節代表一個漢字，所以我們可以試試“%df%df%27”：
不報錯了。因為%df%df是一個漢字，%5c%27不是漢字，仍然是\’。
那么mysql怎么判斷一個字符是不是漢字，根據gbk編碼，第一個字節ascii碼大于128，基本上就可以了。比如我們不用%df，用%a1也可以：
%a1%5c他可能不是漢字，但一定會被mysql認為是一個寬字符，就能夠讓后面的%27逃逸了出來。
于是我可以構造一個exp出來，查詢管理員賬號密碼：
#p#
0×02 GB2312與GBK的不同
曾經有一個問題一直困擾我很久。
gb2312和gbk應該都是寬字節家族的一員。但我們來做個小實驗。把phithon內容管理系統中set names修改成gb2312:
結果就是不能注入了：
有些同學不信的話，也可以把數據庫編碼也改成gb2312，也是不成功的。
為什么，這歸結于gb2312編碼的取值范圍。它的高位范圍是0xA1~0xF7，低位范圍是0xA1~0xFE，而\是0x5c，是不在低位范圍中的。所以，0x5c根本不是gb2312中的編碼，所以自然也是不會被吃掉的。
所以，把這個思路擴展到世界上所有多字節編碼，我們可以這樣認為：只要低位的范圍中含有0x5c的編碼，就可以進行寬字符注入。#p#
0×03 mysql_real_escape_string解決問題?
部分cms對寬字節注入有所了解，于是尋求解決方案。在php文檔中，大家會發現一個函數，mysql_real_escape_string，文檔里說了，考慮到連接的當前字符集。
于是，有的cms就把addslashes替換成mysql_real_escape_string，來抵御寬字符注入。我們繼續做試驗，phithon內容管理系統v1.2:，就用mysql_real_escape_string來過濾輸入：
我們來試試能不能注入：
一樣沒壓力注入。為什么，明明我用了mysql_real_escape_string，但卻仍然不能抵御寬字符注入。
原因就是，你沒有指定php連接mysql的字符集。我們需要在執行sql語句之前調用一下mysql_set_charset函數，設置當前連接的字符集為gbk。
就可以避免這個問題了：
#p#
0×04 寬字符注入的修復
在3中我們說到了一種修復方法，就是先調用mysql_set_charset函數設置連接所使用的字符集為gbk，再調用mysql_real_escape_string來過濾用戶輸入。
這個方式是可行的，但有部分老的cms，在多處使用addslashes來過濾字符串，我們不可能去一個一個把addslashes都修改成mysql_real_escape_string。我們第二個解決方案就是，將character_set_client設置為binary(二進制)。
只需在所有sql語句前指定一下連接的形式是二進制：
mysql_query("SET character_set_connection=gbk, character_set_results=gbk,character_set_client=binary", $conn);
這幾個變量是什么意思?
當我們的mysql接受到客戶端的數據后，會認為他的編碼是character_set_client，然后會將之將換成character_set_connection的編碼，然后進入具體表和字段后，再轉換成字段對應的編碼。
然后，當查詢結果產生后，會從表和字段的編碼，轉換成character_set_results編碼，返回給客戶端。
所以，我們將character_set_client設置成binary，就不存在寬字節或多字節的問題了，所有數據以二進制的形式傳遞，就能有效避免寬字符注入。
比如，我們的phithon內容管理系統v2.0版本更新如下：
已經不能夠注入了：
在我審計過的代碼中，大部分cms是以這樣的方式來避免寬字符注入的。這個方法可以說是有效的，但如果開發者畫蛇添足地增加一些東西，會讓之前的努力前功盡棄。#p#
0×05 iconv導致的致命后果
很多cms，不止一個，我就不提名字了，他們的gbk版本都存在因為字符編碼造成的注入。但有的同學說，自己測試了這些cms的寬字符注入，沒有效果呢，難道是自己姿勢不對?
當然不是。實際上，這一章說的已經不再是寬字符注入了，因為問題并不是出在mysql上，而是出在php中了。
很多cms(真的很多哦，不信大家自己網上找找)會將接收到數據，調用這樣一個函數，轉換其編碼：
iconv(‘utf-8’, ‘gbk’, $_GET[‘word’]);
目的一般是為了避免亂碼，特別是在搜索框的位置。
比如我們的phithon內容管理系統v3.0
我們可以看到，它在sql語句執行前，將character_set_client設置成了binary，所以可以避免寬字符注入的問題。但之后其調用了iconv將已經過濾過的參數$id給轉換了一下。
那我們來試試此時能不能注入：
居然報錯了。說明可以注入。而我只是輸入了一個“錦'”。這是什么原因?
我們來分析一下。“錦”這個字，它的utf-8編碼是0xe98ca6，它的gbk編碼是0xe55c。
有的同學可能就領悟了。\的ascii碼正是5c。那么，當我們的錦被iconv從utf-8轉換成gbk后，變成了%e5%5c，而后面的’被addslashes變成了%5c%27，這樣組合起來就是%e5%5c%5c%27，兩個%5c就是\\，正好把反斜杠轉義了，導致’逃逸出單引號，產生注入。
這正利用了我之前說的，繞過addslashes的兩種方式的第一種：將\轉義掉。
那么，如果我是用iconv將gbk轉換成utf-8呢?
我們來試試：
果然又成功了。這次直接用寬字符注入的姿勢來的，但實際上問題出在php而不是mysql。我們知道一個gbk漢字2字節，utf-8漢字3字節，如果我們把gbk轉換成utf-8，則php會每兩個字節一轉換。所以，如果\’前面的字符是奇數的話，勢必會吞掉\，’逃出限制。
那么為什么之前utf-8轉換成gbk的時候，沒有使用這個姿勢?
這跟utf-8的規則有關，UTF-8的編碼規則很簡單，只有二條：
1)對于單字節的符號，字節的第一位設為0，后面7位為這個符號的unicode碼。因此對于英語字母，UTF-8編碼和ASCII碼是相同的。
2)對于n字節的符號(n>1)，第一個字節的前n位都設為1，第n+1位設為0，后面字節的前兩位一律設為10。剩下的沒有提及的二進制位，全部為這個符號的unicode碼。
從2我們可以看到，對于多字節的符號，其第2、3、4字節的前兩位都是10，也就是說，\(0x0000005c)不會出現在utf-8編碼中，所以utf-8轉換成gbk時，如果有\則php會報錯：
但因為gbk編碼中包含了\，所以仍然可以利用，只是利用方式不同罷了。
總而言之，在我們處理了mysql的寬字符注入以后，也別認為就可以高枕無憂了。調用iconv時千萬要小心，避免出現不必要的麻煩。#p#
0×06 總結
在逐漸國際化的今天，推行utf-8編碼是大趨勢。如果就安全性來說的話，我也覺得使用utf-8編碼能夠避免很多多字節造成的問題。
不光是gbk，我只是習慣性地把gbk作為一個典型的例子在文中與大家說明。世界上的多字節編碼有很多，特別是韓國、日本及一些非英語國家的cms，都可能存在由字符編碼造成的安全問題，大家應該有擴展性的思維。
總結一下全文中提到的由字符編碼引發的安全問題及其解決方案：
1.gbk編碼造成的寬字符注入問題，解決方法是設置character_set_client=binary。
2.矯正人們對于mysql_real_escape_string的誤解，單獨調用set name=gbk和mysql_real_escape_string是無法避免寬字符注入問題的。還得調用mysql_set_charset來設置一下字符集。
3.謹慎使用iconv來轉換字符串編碼，很容易出現問題。只要我們把前端html/js/css所有編碼設置成gbk，mysql/php編碼設置成gbk，就不會出現亂碼問題。不用畫蛇添足地去調用iconv轉換編碼，造成不必要的麻煩。
這篇文章是我對于自己白盒審計經驗的一點小總結，但自己確實在很多方面存在欠缺，文中所提到的姿勢難免存在紕漏和錯誤，希望有相同愛好的同學能與我指出，共同進步。
這篇文章不像上篇xss的，能夠舉出很多0day實例來論證寬字符造成的危害。原因有二：
1.寬字符問題確實不如富文本xss那么普遍，gbk編碼的cms所占的比例也比較小，怪我才疏學淺，并不能每一章都找到相應的實例。
2.注入的危害比xss大得多，如果作為0day發出來，影響很壞。但我確實在寫文章以及以前的審計過程中找到不少cms存在的編碼問題。
所以我用實驗的形式，自己寫了的php小文件，給大家作為例子，希望不會因為例證的不足，影響大家學習的效果。
例子php文件和sql文件打包下載：
鏈接:http://pan.baidu.com/s/1eQmUArw 提取密碼:75tu
本文PDF版本：鏈接: http://pan.baidu.com/s/1eprLs 密碼: yoyw
作者博客：http://www.leavesongs.com FROM XDSEC
