sql注入報(bào)錯(cuò)之注入原理實(shí)例解析
前言
我相信很多小伙伴在玩sql注入報(bào)錯(cuò)注入時(shí)都會(huì)有一個(gè)疑問,為什么這么寫就會(huì)報(bào)錯(cuò)?曾經(jīng)我去查詢的時(shí)候,也沒有找到滿意的答案,時(shí)隔幾個(gè)月終于找到搞清楚原理,特此記錄,也希望后來的小伙伴能夠少走彎路
0x01
我們先來看一看現(xiàn)象,我這里有一個(gè)users表,里面有五條數(shù)據(jù):
然后用我們的報(bào)錯(cuò)語句查詢一下:
select count(*),(concat(floor(rand()*2),(select version())))x from users group by x
成功爆出了數(shù)據(jù)庫(kù)的版本號(hào)。
要理解這個(gè)錯(cuò)誤產(chǎn)生的原因,我們首先要知道group by語句都做了什么。我們用一個(gè)studetn表來看一下:
現(xiàn)在我們通過年齡對(duì)這個(gè)表中的數(shù)據(jù)進(jìn)行下分組:
形成了一個(gè)新的表是吧?你其實(shí)應(yīng)該能夠想到group by 語句的執(zhí)行流程了吧?最開始我們看到的這張sage-count()表應(yīng)該時(shí)空的,但是在group by語句執(zhí)行過程中,一行一行的去掃描原始表的sage字段,如果sage在sage-count()不存在,那么就將他插入,并置count()置1,如果sage在sage-count()表中已經(jīng)存在,那么就在原來的count(*)基礎(chǔ)上加1,就這樣直到掃描完整個(gè)表,就得到我們看到的這個(gè)表了。
注:這里有特別重要的一點(diǎn),group by后面的字段時(shí)虛擬表的主鍵,也就是說它是不能重復(fù)的,這是后面報(bào)錯(cuò)成功的關(guān)鍵點(diǎn),其實(shí)前面的報(bào)錯(cuò)語句我們已經(jīng)可以窺見點(diǎn)端倪了
0x02
正如我前面所說的,報(bào)錯(cuò)的主要原因時(shí)虛擬表的主鍵重復(fù)了,那么我們就來看一下它到底是在哪里,什么時(shí)候重復(fù)的。這里rand()函數(shù)就登場(chǎng)了。
首先我們先來了解rand()函數(shù)的用法:
1.用來生成一個(gè)0~1的數(shù)
2.還可以給rand函數(shù)傳一個(gè)參數(shù)作為rand()的種子,然后rand函數(shù)會(huì)依據(jù)這個(gè)種子進(jìn)行隨機(jī)生成。
那他們的區(qū)別是什么呢?我們來看一下,這兩個(gè)語句的執(zhí)行效果:
可以看到rand()生成的數(shù)據(jù)毫無規(guī)律,而rand(0)生成的數(shù)據(jù)則有規(guī)律可循,是:
0110 0110
注:如果你覺得數(shù)據(jù)不夠,證明不了rand()的隨機(jī)性,你可以自己多插入幾條數(shù)據(jù)再查詢?cè)囈幌隆?/p>
0x03
現(xiàn)在我們弄清楚了group by語句的工作流程,以及rand()與rand(0)的區(qū)別,那么接下來就是重點(diǎn)了,mysql官方說,在執(zhí)行g(shù)roup by語句的時(shí)候,group by語句后面的字段會(huì)被運(yùn)算兩次。
**第一次:**我們之前不是說了會(huì)把group by后面的字段值拿到虛擬表中去對(duì)比嗎,在對(duì)比之前肯定要知道group by后面字段的值,所以第一次的運(yùn)算就發(fā)生在這里。
**第二次:**現(xiàn)在假設(shè)我們下一次掃描的字段的值沒有在虛擬表中出現(xiàn),也就是group by后面的字段的值在虛擬表中還不存在,那么我們就需要把它插入到虛擬表中,這里在插入時(shí)會(huì)進(jìn)行第二次運(yùn)算,由于rand函數(shù)存在一定的隨機(jī)性,所以第二次運(yùn)算的結(jié)果可能與第一次運(yùn)算的結(jié)果不一致,但是這個(gè)運(yùn)算的結(jié)果可能在虛擬表中已經(jīng)存在了,那么這時(shí)的插入必然導(dǎo)致錯(cuò)誤!
所以我們現(xiàn)在通過一個(gè)例子來驗(yàn)證我們的理論,拿出我們最開始的例子:
select count(*),(concat(floor(rand(0)*2),'@',(select version())))x from users group by x
聲明:users表就是本文第一個(gè)表,表中有五條數(shù)據(jù)
注意我這里用的是rand(0),不是rand(),rand(0)生成的有規(guī)律的序列:
我們跟著剛剛的思路走,最開始的虛擬表是空的,就像下面一樣:
count(*) | x |
---|---|
當(dāng)我掃描原始表的第一項(xiàng)時(shí),第一次計(jì)算,floor(rand(0)*2)是0,然后和數(shù)據(jù)庫(kù)的版本號(hào)(假設(shè)就是5.7.19)拼接,到虛擬表里去尋找x有沒有x的值是x@5.7.19的數(shù)據(jù)項(xiàng),結(jié)果顯然是沒有,那么接下來就將它插入到上表中,但是還記得嗎,在插入之前會(huì)進(jìn)行第二次計(jì)算,這時(shí)x的值就變成了1@5.7.19,所以虛擬表變成了下面這樣:
count(*) | x |
---|---|
1 | 1@5.7.19 |
現(xiàn)在掃描原始表的第二項(xiàng),第一次計(jì)算x==’1@5.7.19‘,已經(jīng)存在,不需要進(jìn)行第二次計(jì)算,直接插入,得到下表:
count(*) | x |
---|---|
2 | 1@5.7.19 |
掃描原始表的第三項(xiàng),第一次計(jì)算x==‘0@5.7.19’,虛擬表中找不到,那么進(jìn)行第二次計(jì)算,這時(shí)x==‘1@5.7.19’,然后插入,但是插入的時(shí)候問題就發(fā)生了,虛擬表中已經(jīng)存在以1@5.7.19為主鍵的數(shù)據(jù)項(xiàng)了,插入失敗,然后就報(bào)錯(cuò)了!
上面是使用rand(0)的情況,rand(0)是比較穩(wěn)定的,所以每次執(zhí)行都可以報(bào)錯(cuò),但是如果使用rand()的話,因?yàn)樗傻男蛄惺请S機(jī)的嘛,所以并不是每次執(zhí)行都會(huì)報(bào)錯(cuò),下面是我的測(cè)試結(jié)果:
執(zhí)行了五次,報(bào)錯(cuò)兩次,所以是看運(yùn)氣。
總結(jié)
總之,報(bào)錯(cuò)注入,rand(0),floor(),group by缺一不可
到此這篇關(guān)于sql注入報(bào)錯(cuò)之注入原理實(shí)例解析的文章就介紹到這了,更多相關(guān)sql注入報(bào)錯(cuò)注入原理內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
掌握SQL Server數(shù)據(jù)庫(kù)快照的工作原理
2008-01-01sql中l(wèi)eft join的效率分析與提高效率方法
網(wǎng)站隨著數(shù)據(jù)量與訪問量越來越大,訪問的速度變的越來越慢,于是開始想辦法解決優(yōu)化速度慢的原因,下面是對(duì)程序中一條sql的分析與提高效率的過程2018-03-038種主流NoSQL數(shù)據(jù)庫(kù)系統(tǒng)特性對(duì)比和最佳應(yīng)用場(chǎng)景
這篇文章主要介紹了8種主流NoSQL數(shù)據(jù)庫(kù)系統(tǒng)特性對(duì)比和最佳應(yīng)用場(chǎng)景,對(duì)選擇一個(gè)NoSQL數(shù)據(jù)庫(kù)來說是一個(gè)不錯(cuò)的參考文章,需要的朋友可以參考下2014-06-06SQL 優(yōu)化經(jīng)驗(yàn)總結(jié)34條
我們要做到不但會(huì)寫SQL,還要做到寫出性能優(yōu)良的SQL,以下為筆者學(xué)習(xí)、摘錄、并匯總部分資料與大家分享!2009-07-07