由浙江景怡網絡科技有限公司副總經理李總撰寫的文章《如何終結數據庫SQL注入攻擊》發表在《互聯網安全的40個智慧洞見》一(yī)書(shū)中(zhōng)。該書(shū)作者均是在中(zhōng)國乃至全球具有重要影響力的中(zhōng)外(wài)網絡安全名家，内容不僅覆蓋Web 安全、移動安全、企業安全、電(diàn)子取證、雲與數據、軟件安全、APT 等熱點安全領域，還涉及國家網絡空間戰略、新興威脅、工(gōng)控安全、車(chē)聯網安全、信息安全立法等新興安全領域。

文章從DT時代面臨的數據庫安全威脅、優雅而堅定的和SQL注入說再見、應用場景三個部分(fēn)進行闡述。李總指出：大(dà)數據和雲計算時代的來臨，數據安全防護顯得尤爲重要。衆所周知(zhī)，基礎信息網絡和重要信息系統安全防護能力不強，企業内部的惡意違規和誤操作，以及第三方運維和開(kāi)發人員(yuán)留取的後門程序等技術安全風險因素和人爲惡意攻擊的存在，使得數據庫安全乃至信息安全問題頻(pín)發。而SQL注入攻擊具有廣泛存在、手段隐蔽、特征不可枚舉、攻擊手段及工(gōng)具平民化的特征。可以說，隻要人類還在編寫數據庫應用，SQL注入漏洞就會一(yī)直存在。NGDAP通過白(bái)模型鑒别的非常态阻斷模式，對請求數據進行标準化處理，然後将處理後的數據進行規則匹配，合法請求将被傳遞到真實的數據庫當中(zhōng)。而其他所有的SQL請求則會立即被阻斷，系統發出攻擊告警，并形成記錄日志(zhì)，通過這個過程，NGDAP能輕松的在源頭成功遏制SQL注入攻擊問題。帕拉迪将圍繞數據安全威脅的發現與防禦的核心貢獻目标，構建和持續完善數據邊界安全産品線，針對數據全生(shēng)命周期的不同場景，提供相匹配的數據安全保護産品及解決方案。

全文如下(xià)：

如何終結數據庫SQL注入攻擊

随着IT時代的發展，我(wǒ)(wǒ)們的生(shēng)活越來越便捷，高速信息時代讓我(wǒ)(wǒ)們能實現數據的互聯互通、信息資(zī)源的共享，這就是我(wǒ)(wǒ)們所說的信息技術時代；而随着大(dà)數據、雲計算等技術的不斷興起與成熟，在大(dà)數據時代下(xià)的我(wǒ)(wǒ)們體(tǐ)驗的是消費(fèi)行爲的智能化，商(shāng)業價值的數字化，DT數據技術時代的到來讓我(wǒ)(wǒ)們數據産生(shēng)巨大(dà)價值的同時，也帶來了許多高危風險。

跟我(wǒ)(wǒ)們日常息息相關的一(yī)些新聞，比如說某某電(diàn)商(shāng)因爲用戶信息洩露，導緻用戶流量大(dà)減，品牌造成很大(dà)的負面影響；某社保局的參保人員(yuán)信息遭到洩露，個人身份證、手機号碼、參保金額等敏感信息被迫曝光；某某某高校新生(shēng)信息被洩密，不法分(fēn)子通過精準信息進行詐騙，騙走新生(shēng)全家多年積攢的學費(fèi)緻使新生(shēng)猝死等事件頻(pín)發。但從事件的本質來看，這些客戶的數據庫均遭受到了拖庫攻擊。

一(yī)、數據庫安全威脅分(fēn)析

    那我(wǒ)(wǒ)們的疑問同時也出現了，各大(dà)電(diàn)商(shāng)企業、金融單位、政府信息中(zhōng)心通過多年的IT建設，各安全設備已經部署很完善了。從邊界安全、過程控制、内容審計等多方面進行防護，安全服務團隊定期進行漏洞掃描、安全加固等動作，爲什麽在立體(tǐ)式的防護過程中(zhōng)，數據庫還是被拖走了呢，而且在很多情況下(xià)是被長時間的、悄無痕迹的竊取掉呢?

我(wǒ)(wǒ)們從兩個角度來分(fēn)析：

第一(yī)個從IT建設發展的曆程分(fēn)析。目前大(dà)部分(fēn)客戶在對安全體(tǐ)系的設計和治理方案中(zhōng)主要依靠傳統邊界安全防護，如防火(huǒ)牆、下(xià)一(yī)代防火(huǒ)牆、IPS、IDS等安全控制類産品；随着邊界安全防護的進一(yī)步落地，逐步開(kāi)始向内容安全防護過度，如上網行爲管理、堡壘機、數據庫審計等安全設備；而随着數據大(dà)集中(zhōng)之後，數據庫裏的數據越來越有價值，而目前的防護體(tǐ)系中(zhōng)針對數據庫的安全防護是空白(bái)的。很多客戶認爲自己有災備軟件、有數據庫審計就能對數據庫進行安全管理，但實際上災備軟件隻能恢複數據庫原有數據，數據庫審計隻能事後對訪問情況進行追溯，如果業務系統存在SQL注入漏洞，惡意攻擊者就可以通過繞過WAF等行爲對數據庫造成攻擊，客戶無法實時保障數據不被竊取或篡改，無法做到針對數據庫的事前預防和事中(zhōng)阻斷。

第二個從目前信息安全等級保護整改遺留的難點分(fēn)析。等級保護整改中(zhōng)涉及物(wù)理安全、網絡安全、服務器安全、制度安全等各部分(fēn)的整改，相對來說通過技術、制度、傳統安全設備的配置可以較快速和穩妥的進行加固。但是在數據庫安全、應用系統安全上的安全加固以及整改卻成棘手之事。不同的數據庫以及各版本都有漏洞，但由于業務系統的長時間不間斷運行，擔心由于補丁及版本升級造成業務癱瘓，故把這部分(fēn)的安全問題暫時擱置；另外(wài)，由于應用系統開(kāi)發商(shāng)已經把業務系統交付多年，雖然代碼層面可能留有一(yī)些漏洞，但是讓項目組重新對代碼進行加固，阻力和壓力都是很大(dà)的。由于這些問題的存在，數據庫的大(dà)門一(yī)直向黑客敞開(kāi)着。不是目前的防護體(tǐ)系已經把核心資(zī)産保護的水洩不通，而是黑客目前還沒盯上你。

     通過Verison2015年企業安全威脅報告我(wǒ)(wǒ)們可以看出，作爲數據庫的安全威脅越來越高。很多企業以前業務中(zhōng)斷已經是很大(dà)的安全事故了，但現在随着互聯網的成熟，一(yī)旦客戶或企業的核心敏感信息被曝光，基本上對其發展、品牌以及事件導緻的經濟損失将會是成指數級别的量級遞增。再加之現在的黑客産業鏈發展，已經由當初的個人散兵作戰，發展到現在的有組織、有預謀、有利益、有生(shēng)态鏈的規模。由此可見，企業、政府所面臨的數據庫威脅已迫在眉睫。

二、傳統數據庫安全防護弊端

我(wǒ)(wǒ)們來分(fēn)析一(yī)下(xià)傳統安全防護的弊端。數據庫防火(huǒ)牆主要是基于網絡層的訪問控制，很難對數據庫協議以及應用層協議作出分(fēn)析與控制；就算近幾年發展的如火(huǒ)如荼的下(xià)一(yī)代防火(huǒ)牆，也很難對數據庫協議進行精準解碼并且作出實時阻斷；IPS、IDS主要也是對邊界攻擊進行掃描分(fēn)析，數據庫層面的分(fēn)析也很難進行控制；再分(fēn)析一(yī)下(xià)web應用防火(huǒ)牆，其主要是通過規則庫的方式來進行攻擊攔截，而目前很多Oday攻擊、SQL注入攻擊等方式，都可以繞開(kāi)WAF直接對數據庫進行拖庫。傳統的安全防護手段是無法解決數據庫安全的問題。

三、精準攔截SQL注入攻擊

    接下(xià)來看看我(wǒ)(wǒ)們是如何解決數據庫安全威脅的。在數據庫的衆多威脅中(zhōng)，業務系統遭到SQL注入攻擊，導緻數據庫拖庫應該算是最大(dà)的威脅之一(yī)。而SQL注入攻擊是廣泛存在的，其攻擊手段隐蔽、特征不可窮舉、攻擊手段平民化，這些特點也讓其安全防護者頭痛。隻要人類還在編寫數據庫應用，就存在SQL注入漏洞的威脅。

爲了數據庫安全，我(wǒ)(wǒ)們就需要了解數據庫遭到攻擊或威脅的途徑有哪些：1、操作者直接進入機房，通過直連的方式連接并操作數據庫；2、操作者通過網絡途徑使用遠程C/S客戶端連接數據庫并進行操作；3、B/S中(zhōng)間件三層架構操作者通過前端網頁連接中(zhōng)間件應用服務器，再通過SQL語句連接數據庫。

    前面兩種通過相應的制度和控制技術可以進行防護，本次重點闡述的是針對中(zhōng)間件業務系統的防護是整個數據庫安全行業的重點關注點

    正常的業務訪問是使用者按照正常的訪問方式進行，應用服務器把前端的請求轉換成SQL語句與數據庫進行交互。而惡意的業務訪問是惡意攻擊者構建非正常的SQL語句，我(wǒ)(wǒ)們把它定義爲破壞模态化的行爲。當一(yī)個應用系統開(kāi)發完交付的那一(yī)刻起，其正常的業務交互邏輯或語法就已經固化下(xià)來，我(wǒ)(wǒ)們稱之爲模态化。而惡意攻擊的方法或手段的結果就是破壞了正常的模态化。

這就需要我(wǒ)(wǒ)們能對正常的業務流還是惡意的攻擊流做到精準的分(fēn)析。要做到這點是需要有大(dà)量的技術基礎的，比如：數據庫是在IT系統的最後端，前端所有的數據都要彙總過來，實際情況下(xià)就存在着大(dà)數據的并發。網絡中(zhōng)數據包是雜(zá)亂無序進行傳播的，需要通過流會話(huà)技術把數據包進行重組，使其成爲有序傳播的會話(huà)。若重組技術不成熟，将出現各種丢包、錯組的情況，給數據庫防護帶來災難。另外(wài)一(yī)個重點就是協議解碼，各個數據庫都有自己的私有協議，各家數據庫廠商(shāng)未向國内廠商(shāng)公開(kāi)。我(wǒ)(wǒ)們的解碼工(gōng)作就是翻譯，如果協議解碼不全，就像打戰一(yī)樣我(wǒ)(wǒ)們無法獲取清楚的情報，基于解碼不全的任何阻斷都是空談。

那在解決其方法的技術上，我(wǒ)(wǒ)們通過對業務SQL語句的關鍵字、邏輯關系等特征自動采樣學習，并結合高性能的SQL語義分(fēn)析計算，構建對應的SQL語法樹(shù)，完成模态數據建模。在實際應用環境中(zhōng)，海量的數據主要包括以下(xià)三種數據：業務數據、運維數據、非法數據；而數據量占比最大(dà)的就是正常的業務數據。我(wǒ)(wǒ)們通過自動化學習，把正常的業務模态化數據流分(fēn)離(lí)出來，把存在惡意攻擊的語句識别出來。在惡意攻擊語句中(zhōng)，SQL注入和中(zhōng)間件通道複用兩種攻擊是難中(zhōng)難，同時也是重中(zhōng)重。其難以被發現，所以成爲防護中(zhōng)重要環節的重點防護對象。

舉個例子：惡意攻擊者通過非法途徑獲得中(zhōng)間件webshell，通過其發起的對數據庫的交互，無論是賬号、密碼、IP來源都是相同的，不同的地方可能是使用後台木馬作爲連接工(gōng)具或直接SQL語句來進行數據庫攻擊。通過我(wǒ)(wǒ)們自動的SQL語法建模以及來自多維度的準入因子識别技術，可以把惡意攻擊擋在我(wǒ)(wǒ)們的安全大(dà)門之外(wài)。

我(wǒ)(wǒ)們解決問題以及設計的核心思想就是放(fàng)水抓魚，我(wǒ)(wǒ)們通過識别海量正常的業務流使其放(fàng)行，抓取我(wǒ)(wǒ)們所關注的惡意攻擊語句。這不同于傳統的規則庫的方式，由于采用SQL語法樹(shù)的建模方式，得以對0DAY、SQL注入等攻擊進行防護，保護數據庫不被拖庫。