← 返回列表

检测微服务应用中的污点风格漏洞

聚合站 SecWiki技术 作者 安全学术圈 发布 2025年8月23日 20:48 入库 2026-11-18T03:46:04

原文标题:Detecting Taint-Style Vulnerabilities in Microservice-Structured Web Applications Code Generation via Knowledge Injection原文作者:Fengyu Liu, Yuan Zhang, Tian Chen, Youkun Shi, Guangliang Yang, Zihan Lin, Min Yang, Junyao He, Qi Li.原文链接:https://yuanxzhang.github.io/paper/mscan-oakland25.pdf发表会议:S&P 2025笔记:童话@安全学术圈主编:黄诚@安全学术圈

摘要

微服务架构正变得越来越流行,用于构建可扩展和可维护的应用程序。通过提供松耦合设计并强化不同微服务之间的安全隔离,微服务结构的Web应用(简称微服务应用)增强了安全性。然而,作者团队的研究表明,微服务应用仍然受到污点式漏洞的影响,这是最严重的漏洞模式之一。

为此,他们提出了一种名为MScan的新型安全分析方法,能够有效检测现实世界中快速演进的微服务应用中的污点式漏洞。

这种方法主要包含三个阶段:首先,MScan通过网关中心分析识别外部恶意用户可访问的入口点,其次,MScan利用一种新的数据结构服务依赖图来桥接服务间通信,最后,MScan采用距离引导策略进行选择性上下文敏感污点分析来检测漏洞。

作者团队将MScan应用于25个开源微服务应用和一家世界领先金融科技公司的5个工业微服务应用,发现MScan能够有效审查这些应用,并发现了59个高风险的0Day漏洞。他们已经进行了负责任的漏洞披露,截至目前,已发布了31个CVE。

介绍

与面临现代快速演进Web应用处理困难的传统单体架构不同,微服务架构显著提升了可扩展性,简化了更新维护,并促进了持续发布和部署能力。Uber、X/Twitter和Amazon等大型公司都采用微服务设计来构建其复杂的Web平台。

从系统安全角度看,微服务应用实现了改进的故障和安全隔离。它促进了在独立进程中运行并通过轻量级机制通信的独立服务(即微服务组件)的创建和完整性。这种松耦合和隔离设计相比模块可能共享资源并具有更直接相互访问的单体应用,有助于维护清晰的边界并缩小攻击面。

因此,人们普遍认为微服务应用本质上更安全,更不容易遭受攻击。然而,作者团队发现这种观点并未完全捕捉到微服务安全的复杂性。微服务应用并非完全免疫安全问题,仍然容易受到污点式漏洞的影响,这是最严重的漏洞之一,在OWASP中排名靠前。这是因为微服务应用通常表现为Web服务器,设计为响应用户请求。攻击者可以利用这种响应性,利用网关暴露的用户可访问入口点和微服务间通信机制,最终滥用应用的敏感功能。

作者团队旨在设计一种漏洞检测方法,能够有效审查现实世界中流行的基于Java的微服务应用对污点式漏洞。污点分析已被证明是检测传统单体应用中此类漏洞的有效技术。然而,现有技术并非专门为微服务结构化Web应用设计,在直接应用时面临困难。具体而言,遇到了三个主要挑战需要仔细解决:

C1:如何通过理解网关配置的灵活语义来推断用户可访问的入口点?微服务应用由众多微服务组成,每个都有其通信入口点。其中一些入口点暴露给用户访问,而其他只能内部访问。如果用户可访问入口点未被准确识别,可能对检测有效性产生负面影响。然而,这不是一项简单任务。挑战在于路由规则的非结构化内容,这使其解释和建模变得复杂。

C2:如何在微服务间通信中准确建立不同发送者与其对应接收者之间的连接?微服务间通信中发送者和接收者之间的不准确连接可能导致显著的漏报。此分析的主要挑战源于现实世界微服务应用中微服务间通信的多样化实现机制。在众多方法调用中识别发送者并准确链接到通常位于另一服务中的对应接收者,提出了实质性挑战。

C3:如何进行有效的污点分析来检测微服务漏洞?在微服务安全分析中,实现高精确度对于识别通常深藏在系统中的高价值漏洞至关重要。然而,现有的技术,如上下文敏感分析,面临显著限制。在微服务应用中,由于多个服务的连接,调用链可能极长,使上下文敏感分析高度资源密集。这经常导致内存问题和超时,是有效漏洞检测的障碍。

背景

微服务架构的基础通常由三个关键组件构成:微服务、本地网关和微服务间的通信。微服务作为独立自治的服务,通常有着清晰的功能划分,独立运行并通过API与其他微服务协作。这种架构使得微服务之间的依赖性较低,有助于实现松耦合与高内聚。例如,用户登录功能可能涉及多个微服务协同工作,如用户信息查询、认证等,确保了高效的功能分配与执行。


image

而微服务间的通信则主要依赖REST/HTTP或gRPC等协议来完成。通信机制的设计,确保了服务间的协作不依赖于紧密的耦合。比如,用户登录服务会通过这些通信协议,从用户服务中获取数据,完成登录验证。

网关则是微服务架构中的重要组成部分,它作为所有外部请求的入口,负责将请求转发至适当的微服务,并执行严格的路由控制,确保只有合法的请求能够被传递到微服务。在微服务架构中,网关充当着保护屏障的角色,防止非法访问,确保服务的安全性。

尽管微服务架构能带来不少好处,但它仍然容易受到污点风格漏洞的影响。这类漏洞通常出现在用户控制的输入未经过适当验证时,可能导致SQL注入(SQLi)、服务端请求伪造(SSRF)、XML外部实体注入(XXE)等安全漏洞。在微服务架构下,污点风格漏洞可以分为两类:服务内部漏洞和服务间漏洞。

服务内部漏洞通常发生在单个微服务内部。在这种情况下,用户输入的参数未经过妥善处理和验证,可能导致服务的关键函数被恶意利用。例如,当用户输入的数据直接传递给eval方法处理时,如果缺乏对输入数据的验证,攻击者可以通过注入恶意代码,执行任意命令。


image

与此不同,服务间漏洞发生在多个微服务间的数据交互中。单独看每个微服务,可能并不存在明显的安全风险,但通过服务间的通信机制,漏洞被触发。例如,Portal服务与User服务分别部署在不同的机器上,且通过消息队列(如Kafka)进行数据交换。在单独的服务中,恶意数据无法直接进入系统,但一旦攻击者了解了服务间的通信机制,就能通过注入恶意数据进入消息队列,再通过User服务的eval方法触发漏洞,最终执行攻击。


image

微服务架构虽然在可扩展性与维护性上有着显著优势,但污点风格漏洞的存在依然对其安全性构成了挑战。尤其是服务间的漏洞,通过跨服务的数据传递,攻击者能够借此破坏系统的完整性。因此,开发者在设计微服务架构时,必须特别关注输入数据的验证和服务间通信的安全性,以防止此类漏洞的产生。

挑战和解决方案

微服务架构的快速发展,尤其是在像 Uber、Twitter 和 Amazon 等企业中,已成为现代 Web 应用开发的主流模式。Java作为其中最常用的开发语言之一,已被广泛用于微服务应用的构建。然而,目前尚未有专门的静态分析技术能够有效检测基于 Java 的微服务应用中的污点风格漏洞(taint-style vulnerabilities)。为了应对这一问题,作者团队提出了一种直观的工作流,其中包含几个关键步骤:首先,通过理解网关配置文件来确定用户可访问的入口点(即Source),然后,分析微服务之间的通信机制,建立服务间的数据流连接;最后,将敏感的漏洞函数作为 Sink,进行 Source 到 Sink 的分析,检测潜在的漏洞。然而,实施这一流程时遇到了一些挑战。

挑战一:如何通过理解网关配置来推断用户可访问的入口点?

在传统的单体应用中,现有的工作通常将所有与 HTTP 请求参数对应的变量(如 PHP 中的$_GET)视为入口点,进而进行污染传播分析,并报告不安全的Source到Sink路径。然而,在微服务应用中,由于网关组件对请求的路由控制,许多入口点实际上并不会暴露给用户,且只能通过服务间的通信访问。如果直接应用传统的污点分析方法,容易导致误报。具体来说,网关的路由规则配置通常非常灵活,且结构化程度低,这使得这些规则的理解和建模变得尤为复杂。不同的网关组件(如 SpringCloud-Gateway、Zuul 和 APISIX 等)可能拥有数百条路由规则,手动分析这些规则显然既费时又不切实际。


image

挑战二:如何准确建立不同服务间通信的发送者与接收者的连接?

在微服务架构中,服务间通信是数据流动的关键。例如,Portal 服务通过 Kafka 消息队列向 User 服务发送数据,User 服务则从消息队列中接收并处理数据。现有的分析方法可能无法有效跟踪这种跨服务的数据流,导致漏报。挑战主要在于如何识别通信操作中的发送者和接收者,尤其是在现实世界的系统中,服务间的通信实现方式灵活多变,且通信的实现策略千差万别。为了有效建立这些连接,必须识别发送者和接收者的方法调用,尽管这些方法可能遍布于成千上万的代码行之中,且位于不同的服务中。

挑战三:如何进行有效的污点分析,检测微服务中的漏洞?

当我们确定了用户可访问的入口点并理解了服务间的通信后,接下来的步骤是对整个微服务应用进行污点分析。然而,这一过程充满挑战。传统的污点分析方法,在调用上下文敏感性方面至关重要。无上下文敏感的分析方法效率较高,但忽略了每个方法调用点的特定上下文,这可能导致较高的误报率。与之相对,调用上下文敏感的分析方法则针对每个调用点进行反复分析,从而提高精度,但这种方法会带来显著的开销,甚至可能导致超时或内存溢出问题。尤其在微服务应用中,由于服务链条可能非常长,这一问题尤为突出。评估结果表明,现有的方法,如 CodeQL,在某些情况下无法有效处理,甚至因超时或内存溢出而漏报。

为了应对这些挑战,作者团队提出了以下三项解决方案:

解决方案一:LLM辅助的入口点识别

虽然网关配置文件具有高度的灵活性和非结构化特征,增加了规则建模的难度,但这些路由规则通常蕴含着丰富的语义信息,能够指示其行为。研究表明,大型语言模型(LLM)在理解自然语言和代码方面具有很强的能力。基于此,作者团队提出了一种LLM辅助的静态分析方法,通过少样本学习来构建提示词,利用LLM理解网关配置文件的语义,从而识别出用户可访问的入口点。通过将静态分析技术与LLM结合,可以有效提取所有潜在的入口点,并将其与网关的路由规则进行映射,只考虑那些成功映射的入口点作为用户可访问的起点。

解决方案二:基于SDG的服务间通信分析

服务间通信是微服务架构中的关键网络交互机制。通过遵循 OWASP Microservice Cheatsheet 的建议,作者提出了两个关键原则:一致的通信模式和一致的标识符。根据这些原则,作者团队采用了反向数据流分析方法,捕捉与标识符相关的数据流,从而准确确定通信双方的连接。通过这种方式,可以建立服务间发送者和接收者之间的精确连接,进而显著提高对服务间漏洞的检测能力。

解决方案三:基于距离的上下文敏感分析

传统的上下文敏感污染分析方法面临精度与效率之间的权衡。为了解决这个问题,作者团队提出了一种基于距离的选择性上下文敏感分析策略。通过观察,越接近Source到Sink路径的调用点,对漏洞检测的准确性影响越大,因此需要更多的精确分析。对于那些较远的调用点,团队采用逐渐减少上下文敏感性的方式,以平衡精度和效率,从而有效避免因过度分析而导致的性能瓶颈。

这些解决方案结合了先进的分析方法和现有技术的优化,能够有效地提升微服务应用中污点风格漏洞检测的精度和效率。

MScan

本节详细介绍了 MScan 的设计方法。MScan 是一种针对微服务架构的漏洞检测方法,其架构包含三个关键模块:

用户可访问入口点识别:该模块关注于理解网关配置文件的语义,以准确识别用户可访问的入口点。

服务依赖图构建:该模块通过构建服务依赖图(SDG)表示微服务间的通信关系,从而促进对跨服务污点传播的分析。

漏洞检测:该模块利用跨服务和选择性上下文敏感污染分析方法,检测微服务应用中的漏洞。


image

用户可访问入口点识别

在此模块中,MScan 首先使用 LLM 辅助的方法来理解网关配置文件,并提取出将请求转发至内部微服务的路由规则。接着,MScan 从应用代码中提取所有的入口点,并将它们与提取的路由规则进行匹配,进一步识别暴露的入口点。

第一步:LLM辅助的路由规则提取

MScan 使用少样本学习(few-shot learning)方法构建提示词,并输入给 LLM。这个提示词包含以下三个主要组件:

任务描述:提供任务的全面解释,明确输入如何处理,并定义预期响应的格式和内容。

K-shot 示例:通过示例帮助 LLM 学习识别路由规则的常见模式,从而能够在没有调整模型参数的情况下生成回答。

实际查询:提供任务的具体内容,帮助 LLM 执行任务。MScan 将网关配置文件作为实际查询输入,LLM 根据此查询提取出指向内部微服务的路由规则。

第二步:用户可访问入口点识别

MScan 利用提取出的路由规则,通过静态分析技术提取所有的 URI 入口点,并使用正则表达式匹配这些 URI 与用户可访问的路由规则。只有成功匹配的入口点才被视为暴露的入口点。这一方法简单有效,且具有较强的通用性。

服务依赖图构建

在此模块中,MScan 构建服务依赖图(SDG),用于表示微服务之间的通信关系,以便进行跨服务的污点分析。

SDG 定义

SDG 基于过程间控制流图(ICFG)构建,并通过特定的节点和边表示微服务之间的通信。

SDG 节点:节点包括 ICFG 中的所有节点以及一种新类型的节点,称为 I-Node。I-Node 唯一表示每个通信实例,连接发送者和接收者。每个 I-Node 包含标识符(确保消息的正确路由)和模式(定义消息传递的 API)。

SDG 边:SDG 边集包括 ICFG 中的所有边,涵盖了服务内部的数据流边和服务间的通信边。数据流边表示变量之间的数据依赖,通信边表示跨服务的消息传输。


image

SDG 构建

MScan 通过以下步骤构建 SDG:

I-Node 构建:识别通信模式并进行反向数据流分析,提取 API 参数作为标识符,构建 I-Node。

通信边连接:通过识别通信模式和标识符,MScan 连接跨服务的发送者和接收者,构建服务间的通信路径。

数据流边连接:通过 IFDS 算法(Inter-procedural, Finite, Distributive, Subset)构建服务内部的数据流边,准确追踪单个微服务内的污点传播。

漏洞检测

本节介绍了 MScan 的距离引导策略及其在检测微服务漏洞中的有效性。


image

选择性上下文敏感污点分析

在污点分析中,上下文敏感性是实现高精度分析的关键,它通过区分每个方法调用点的调用上下文,使每个调用点可以根据其上下文独立分析。MScan 通过距离引导策略动态调整上下文敏感性,以优化分析的效率与精度。

距离引导策略

MScan 的距离引导策略根据方法调用点,Source到Sink路径的距离,调整上下文敏感性。距离越近的方法调用点,MScan 会应用更高的上下文敏感性;距离较远的调用点,则逐步降低上下文敏感性。这样,MScan 能够将更多资源集中在Source到Sink路径上的关键分析节点上,从而提高漏洞检测的精度。

微服务漏洞检测

MScan 利用构建的 SDG 进行跨服务上下文敏感污点分析,检测微服务中的漏洞。流程如下:

Source 标识:将用户输入(即用户可访问入口点的参数)视为污点源,使用 SDG 的数据流边跟踪污染的传播路径。

跨服务传播:当遇到跨服务通信时,MScan 利用通信边继续追踪污染在不同微服务间的传播。

漏洞报告:如果污点变量被用于安全敏感操作(Sink 点),MScan 会报告该漏洞。

通过这些方法,MScan 实现了对微服务架构中污染风格漏洞的高效检测,并提供了优化的分析策略,确保了漏洞检测的高精度与高效性。

Evaluation

在实验部分,作者团队介绍了 MScan 的实现和实验设置。MScan 是一款针对Java-based 微服务应用程序的漏洞检测工具,基于Tai-e框架开发,利用静态分析技术构建ICFG和服务依赖图(SDG),实现了跨服务的污点分析。该工具支持多种常见漏洞类型,如命令注入、SSRF、XXE、Groovy 代码注入等,且扩展性强,可以快速支持新的漏洞类型。为减少误报,MScan 还集成了常见的数据过滤模型,如PathSanitizer。


image


image

在实验过程中,作者团队将 MScan 与现有的静态分析工具CodeQL进行对比。通过构建详细的ground truth,即从 MScan 和 CodeQL 都能检测出的漏洞中筛选出经过验证的 59 个实际漏洞,作者团队发现,MScan 在精准度上比 CodeQL 高出 90.72%,在召回率上高出 156.54%。尤其是在发现漏洞的数量上,MScan 检测出了所有 59 个漏洞,而 CodeQL 只找到了 23 个。此外,作者团队对误报的来源进行了深入分析,指出了开发者定制的过滤函数和无法访问的漏洞代码等原因导致了误报。


image

作者团队还通过ablation study进一步证明了 MScan 各关键组件的必要性。例如,当禁用入口点识别或SDG 构建时,MScan 的准确度显著下降,尤其是MScan-NoSDG变体由于无法追踪跨服务数据流,完全无法检测出任何跨服务漏洞。另一个重要组件是距离引导策略(distance-guided strategy),它通过动态调整分析深度来提高效率。如果禁用该策略,MScan 的分析效率大幅下降,甚至出现内存溢出。


image

在性能方面,作者团队测试了 MScan 的分析效率,发现它在整个数据集上的总分析时间为8.45 小时,每个应用程序的平均分析时间为16.9 分钟,证明了 MScan 在处理复杂微服务调用关系时依然能够保持较高的效率。总的来说,MScan 在漏洞检测的有效性和分析效率上均表现出色,为微服务架构下的安全检测提供了一个创新的解决方案。


image

Case Study

在案例研究部分,作者团队展示了 MScan 在一些流行应用中发现的跨服务污点式漏洞,进一步说明了这些漏洞所带来的高风险,同时也验证了 MScan 在实际应用中的实用性。

案例一:Spring-Cloud-Dataflow 中的 AFW 漏洞(通过 RestTemplate 实现跨服务通信)

Spring-Cloud-Dataflow 是一个基于微服务架构的工具包,用于构建流式和批量数据处理管道,在 GitHub 上有超过 1100 个 Star。MScan 在该应用中检测到一个任意文件写入(AFW)漏洞,攻击者可以通过注入恶意文件获取应用服务器的控制权限。该漏洞涉及DataFlow和Skipper微服务之间的交互。在 DataFlow 服务中,deploy方法作为用户可访问的入口点,允许用户通过 HTTP 请求向/streams/deploymentsendpoint 部署任务。随后,用户输入流经upload方法并通过restTemplate.exchange与 Skipper 微服务进行通信,用户提供的文件名被直接传递给 Skipper 服务中的write方法,从而导致文件存储路径被攻击者操控,最终引发任意文件写入漏洞。该问题已报告给 Spring,并获得 CVE-2024-22263,CVSS 分数为 8.8。


image

案例二:Sitewhere 中的 SQL 注入漏洞(通过 gRPC 实现跨服务通信)

Sitewhere 是一个工业级的开源应用平台,在 GitHub 上也有超过 1.1k 个 Star,并在现有研究中得到了广泛应用。MScan 在该应用中发现了一个SQL 注入漏洞,涉及WebRest和Event微服务。在 WebRest 微服务中,用户输入从用户可访问的入口点(getEventByAltId)开始,并流入getDeviceEventById方法,该方法通过 gRPC 框架与 Event 微服务进行通信。随后,用户输入被传递到 Event 微服务中的getEvent方法,并最终被拼接到 SQL 查询中,从而导致 SQL 注入漏洞。由于该漏洞的严重性,作者团队及时将其报告给应用开发者,并积极讨论解决方案,最终获得了 CVE-2024-37827。


image

相关工作

传统的静态污点分析方法主要关注于单一应用程序中的污点传播,但这些方法并未针对微服务架构进行优化,因此无法有效解决微服务应用中面临的挑战。

第二类方法尝试在跨应用环境中进行静态污点分析,旨在检测跨应用的污点式漏洞,然而,直接应用这些方法在微服务架构下往往效果不佳。例如,DBTaint 和 MiMoSA 提出通过数据库操作传播污点标签的方式来检测跨应用漏洞,但这些方法在微服务应用中无法有效检测到跨服务的污点漏洞,因为微服务架构下的通信不一定涉及数据库操作。

此外,类似 CACG 和 Karonte 等研究提出了基于跨应用调用图和硬编码地址分析的方法,尝试通过建立应用间的通信链接来检测漏洞。然而,这些方法在处理微服务应用时面临困难,尤其是由于通信地址可能包含变量,提取这些信息具有挑战性,导致直接应用这些方法不可行。

动态测试技术(如模糊测试)也被广泛应用于漏洞检测,但在微服务环境中,这些方法面临诸多局限性,如需要大量的手动配置和协调多独立服务的部署、跨服务信息收集困难、以及因服务间通信引入的延迟等,这些限制使得它们在微服务中应用的效果较差。

作者团队还提到近年来LLM 辅助代码分析的进展,LLM 在理解代码语义并执行多种代码分析任务方面的有效性,为本研究提供了启发,尤其是在分析网关配置文件中的路由规则时,LLM 展现出了巨大的潜力。

总结

作者提出的 MScan 方法,这是一种新型的安全审查方法,旨在自动检测微服务应用中的基于注入的漏洞。通过利用跨服务污点分析技术,MScan 能够有效地检测单服务和跨服务漏洞。在对 30 个真实世界的基于 Java 的微服务应用进行评估后,MScan 发现了 59 个高风险的0Day 漏洞,其中 31 个已获得 CVE。作者希望通过这一工作,能够帮助社区应对日益增长的微服务漏洞威胁。

译者注

在原文附录部分,作者团队提供了一些跨微服务通信的函数实例,和入口点梳理的提示词,这些对我们的日常代码审计工作也会很有帮助。


image

我在日常工作中也对 LLM 赋能安全有一些实践,我的一些心得,目前为止,LLM 是无法完全自动漏洞发现的,可是说拿 LLM 去 end to end 的解决一些安全问题,效果是非常差的。但是在部分节点,充分利用 LLM 可以极大的提高工作效率,比如说这篇论文提到的 URI 入口点收集,我也利用 LLM 做了一些 SAST 规则调优、finding review 等工作,有兴趣的朋友可以一起交流一下。

安全学术圈招募队友-ing有兴趣加入学术圈的请联系secdr#qq.com

专题最新征文

期刊征文 | 暗网抑制前沿进展(中文核心)

期刊征文 | 网络攻击分析与研判(CCF T2)

期刊征文 | 域名安全评估与风险预警(CCF T2)

原文链接:https://mp.weixin.qq.com/s/kiuKwNOxS_GW37N58o7SaQ