การดีซีเรียไลเซชันคืออะไร - การเรียกใช้โค้ดจากระยะไกล

เหตุใดการแปลงข้อมูลแบบไม่ปลอดภัยจึงนำไปสู่การเรียกใช้โค้ดจากระยะไกล (และวิธีการตรวจจับก่อนการรวมโค้ด)

การขอ Commit นั่นเป็นการเปิดช่องทางลับ

มีการเพิ่มฟีเจอร์ใหม่เพื่อจัดการกับวัตถุที่ผู้ใช้อัปโหลด ทุกอย่างผ่านการทดสอบ แต่หลายสัปดาห์ต่อมา การทดสอบเจาะระบบเผยให้เห็นว่าผู้โจมตีสามารถเรียกใช้คำสั่งบนเซิร์ฟเวอร์ได้ ซึ่งเป็นผลมาจากการดีซีเรียไลเซชันที่ไม่ปลอดภัยซึ่งซ่อนอยู่ในโค้ด ช่องว่างระหว่างการดีซีเรียไลเซชันกับการเรียกใช้โค้ดจากระยะไกลนั้นอาจเล็กมากจนเป็นอันตราย โดยเฉพาะอย่างยิ่งเมื่อข้อมูลที่ถูกซีเรียไลซ์จากแพ็กเกจโอเพนซอร์สหรือบริการภายในถูกเชื่อถือโดยไม่มีการตรวจสอบความถูกต้อง

การแปลงข้อมูลจากรูปแบบอนุกรมเป็นรูปแบบดิจิทัล (Deserialization) ในโค้ดคืออะไร ทำไมจึงมีความเสี่ยง และมันซ่อนอยู่ที่ไหน

ในมุมมองของนักพัฒนาซอฟต์แวร์ การดีซีเรียไลเซชันคืออะไร? มันคือกระบวนการนำข้อมูลที่มีโครงสร้าง เช่น JSON, XML, รูปแบบไบนารี หรืออ็อบเจ็กต์ที่ถูกซีเรียไลซ์เฉพาะภาษา มาแปลงกลับเป็นอ็อบเจ็กต์ในหน่วยความจำอีกครั้ง

ด้วยตัวของมันเอง การแยกส่วนข้อมูลออกเป็นส่วนๆ ตัวอย่างเช่น: เป็นสิ่งที่ไม่เป็นอันตรายและพบได้ทั่วไป

  • ชวา: การอ่านวัตถุด้วย ObjectInputStream
  • หลาม: กำลังโหลดข้อมูลด้วย โหลดพิคเคิล
  • Node.js: การแยกวิเคราะห์ JSON ด้วย JSON.parse

ความเสี่ยงเกิดขึ้นเมื่อมีการนำการแปลงข้อมูลจากรูปแบบหนึ่งไปใช้กับข้อมูลที่ไม่น่าเชื่อถือโดยไม่มีการตรวจสอบความถูกต้อง ผู้โจมตีสามารถสร้างข้อมูลป้อนเข้าที่กระตุ้นให้เกิดห่วงโซ่ของเครื่องมือ (gadget chain) ซึ่งเป็นการนำเส้นทางการทำงานของโค้ดที่มีอยู่มาใช้ในลักษณะที่ไม่ตั้งใจ ซึ่งอาจนำไปสู่การเรียกใช้โค้ดจากระยะไกลได้

ไม่ปลอดภัย การแยกส่วนข้อมูลออกเป็นส่วนๆ มักพบใน:

  • แพ็คเกจโอเพนซอร์ส ด้วยค่าเริ่มต้นที่ไม่ปลอดภัย
  • รหัสที่กำหนดเอง ซึ่งถือว่าข้อมูลป้อนเข้าที่ถูกแปลงเป็นรูปแบบอนุกรมนั้นเชื่อถือได้
  • API ของบุคคลที่สาม ส่งคืนอ็อบเจ็กต์ที่ถูกแปลงเป็นรูปแบบอนุกรมโดยไม่มีการตรวจสอบ
  • สร้างสิ่งประดิษฐ์ เช่น:
    • ชวา .ser ไฟล์ที่มีอ็อบเจ็กต์ที่ถูกแปลงเป็นรูปแบบอนุกรมล่วงหน้าแล้ว
    • หลาม .pkl ไฟล์โมเดลในเวิร์กโฟลว์การเรียนรู้ของเครื่อง
    • อ็อบเจ็กต์การกำหนดค่าแบบอนุกรมที่ฝังอยู่ในอิมเมจ Docker หรือคอนเทนเนอร์การปรับใช้
  • อุปกรณ์ทดสอบ เช่น:

    • ข้อมูลทดสอบแบบอนุกรมเก่าที่คัดลอกมาจากสแนปช็อตของระบบการผลิต
    • ไฟล์ข้อมูลที่ถูกแปลงเป็นรูปแบบอนุกรม (Serialized payloads) ที่ดาวน์โหลดจากแหล่งเก็บข้อมูลภายนอกเพื่อใช้ในการทดสอบประสิทธิภาพหรือการทดสอบการถดถอย

ไฟล์เหล่านี้สามารถถูกนำเข้าสู่ที่เก็บข้อมูลและโหลดโดยอัตโนมัติระหว่างการทดสอบหรือการปรับใช้ ซึ่งอาจก่อให้เกิดอันตรายได้ การแยกส่วนข้อมูลออกเป็นส่วนๆ in CI/CD pipelineก่อนที่โค้ดจะเข้าสู่ขั้นตอนการผลิตจริง

จากช่องโหว่การดีซีเรียไลเซชันที่ไม่ปลอดภัย ไปจนถึงการเรียกใช้โค้ดจากระยะไกล: เส้นทางการโจมตี

ช่องโหว่การดีซีเรียไลซ์ที่ไม่ปลอดภัยมักมีรูปแบบอย่างใดอย่างหนึ่งดังต่อไปนี้:

  1. มีข้อมูลที่ไม่น่าเชื่อถือป้อนเข้ามาในแอปพลิเคชัน
  2. การดีซีเรียไลเซชันที่ไม่ปลอดภัยจะสร้างวัตถุขึ้นใหม่โดยไม่มีข้อจำกัด
  3. การเชื่อมต่ออุปกรณ์ต่างๆ เข้าด้วยกันอาจกระตุ้นการทำงานที่มีอยู่แล้วในรูปแบบที่ไม่ตั้งใจ
  4. ผู้โจมตีเพิ่มระดับสิทธิ์และสามารถเรียกใช้โค้ดจากระยะไกลได้

สายพันธุ์:

  • Java gadget chains ใช้ประโยชน์จากไลบรารีเก่าๆ เช่น Apache Commons
  • หลาม .pkl การโหลดโมเดลที่มีการฝังวัตถุอันตรายไว้
  • การแยกวิเคราะห์ JSON ด้วย Node.js ประเมิน () หรือการนำเข้าแบบไดนามิก

ไหล:

				
					Untrusted Input → Deserialization → Gadget Chain → Remote Code Execution
				
			

วิธีตรวจจับการดีซีเรียไลเซชันที่ไม่ปลอดภัยก่อนการรวมโค้ด

การตรวจจับการดีซีเรียไลเซชันที่ไม่ปลอดภัยก่อนการรวมโค้ดนั้นประหยัดกว่าการแก้ไขหลังจากใช้งานจริงมาก การผสมผสานระหว่างการวิเคราะห์อัตโนมัติและการทดสอบเชิงรุกนั้นได้ผลดีที่สุด:

  • การทดสอบความปลอดภัยของแอปพลิเคชันแบบคงที่ (SAST):
    • ตั้งค่าสแกนเนอร์ให้ตรวจจับ API ที่มีความเสี่ยง เช่น ObjectInputStream, โหลดพิคเคิลและ YAML.load โดยไม่มีอุปกรณ์บรรทุกที่ปลอดภัย
    • ตรวจสอบทั้งซอร์สโค้ดและไฟล์ที่ได้จากการสร้างและทดสอบเพื่อหาช่องโหว่ด้านความปลอดภัย การแยกส่วนข้อมูลออกเป็นส่วนๆ รูปแบบ
    • แสดงผลการค้นพบโดยตรงใน pull requests เพื่อให้นักพัฒนาสามารถแก้ไขปัญหาเหล่านั้นก่อนที่จะรวมโค้ดเข้าด้วยกัน
  • CI/CD บูรณาการ:

ตัวอย่างเวิร์กโฟลว์:

				
					sql

Commit → SAST scan → PR alert → Fix before merge

				
			
  • บล็อกการรวมโค้ดเมื่อพบข้อผิดพลาดร้ายแรงเกี่ยวกับการแปลงข้อมูลที่ไม่ปลอดภัย เพื่อป้องกันไม่ให้โค้ดที่ไม่ปลอดภัยไปถึงสาขาที่ใช้งานจริง
  • การทดสอบหน่วยด้วยข้อมูลป้อนเข้าที่เป็นอันตรายจำลอง:

    • สร้างบัญชีตัวแทน สัมภาระที่ควบคุมได้และไม่เป็นอันตราย ที่เลียนแบบวัตถุโจมตีแบบอนุกรมทั่วไป
    • ทดสอบว่าแอปพลิเคชันจัดการกับข้อมูลเหล่านั้นอย่างไร ควรปฏิเสธ ตรวจสอบความถูกต้อง หรือบันทึกข้อมูลที่ป้อนเข้ามา แทนที่จะประมวลผลโดยไม่ตรวจสอบอะไรเลย
    • รวมการทดสอบเหล่านี้ไว้ในระบบอัตโนมัติ pipeline ดังนั้นฟังก์ชันนี้จึงทำงานทุกครั้งที่มีการส่งคำขอแก้ไข (PR) และตรวจจับพฤติกรรมการแปลงข้อมูลที่ไม่ปลอดภัยได้ตั้งแต่เนิ่นๆ
    • ตรวจสอบให้แน่ใจว่าไฟล์ทดสอบไม่สามารถเรียกใช้งานได้และปลอดภัยสำหรับการจัดเก็บในที่เก็บข้อมูล โดยมุ่งเน้นเฉพาะตรรกะการตรวจจับเท่านั้น

วิธีการแบบหลายชั้นนี้ผสมผสานการสแกนอัตโนมัติเข้ากับการทดสอบที่พัฒนาโดยนักพัฒนาเอง ทำให้มั่นใจได้ว่าเส้นทางการแปลงข้อมูลที่ไม่ปลอดภัยจะถูกระบุและกำจัดออกไปก่อนที่จะกลายเป็นช่องโหว่การเรียกใช้โค้ดจากระยะไกล

กลยุทธ์การป้องกันสำหรับนักพัฒนา: การหยุดยั้งการแปลงข้อมูลจากรูปแบบอนุกรมเป็นข้อมูลดิจิทัลไม่ให้กลายเป็นการเรียกใช้โค้ดจากระยะไกล

  1. ขอบเขตความไว้วางใจ: ควรทำการดีซีเรียไลซ์จากแหล่งข้อมูลที่ได้รับการรับรองและตรวจสอบแล้วเท่านั้น
  2. API ที่ปลอดภัย:

     

    • Java: ไลบรารีที่ปลอดภัยด้วยการตรวจสอบความถูกต้อง
    • Python: การใช้งาน json.โหลด() เกินกว่า pickle.loads() ที่เป็นไปได้.
    • Node.js: หลีกเลี่ยง ประเมิน () หรือการเรียกใช้โค้ดแบบไดนามิก

       

  3. รายการอนุญาตและรูปแบบจำกัดประเภทวัตถุที่อนุญาต บังคับใช้รูปแบบ JSON
  4. สุขอนามัยการพึ่งพาตรวจสอบช่องโหว่ CVE ที่กล่าวถึงการดีซีเรียไลเซชันหรือการเรียกใช้โค้ดจากระยะไกล
  5. บทวิจารณ์รหัส: เพิ่ม การแยกส่วนข้อมูลออกเป็นส่วนๆ การตรวจสอบความปลอดภัยสำหรับเทมเพลตการรีวิวประชาสัมพันธ์

หมายเหตุเกี่ยวกับเครื่องมือ: เครื่องมือต่างๆ เช่น ไซเกนี ตรวจสอบโค้ดและส่วนประกอบต่างๆ เพื่อหาช่องโหว่การดีซีเรียไลเซชันที่ไม่ปลอดภัยก่อนที่จะทำการผสาน เพื่อระบุพื้นที่ที่มีความเสี่ยงสูง ช่วยให้นักพัฒนาสามารถแก้ไขได้ตั้งแต่เนิ่นๆ

ตัวอย่างรูปแบบการตรวจจับในภาษาต่างๆ (รหัสเทียมที่ปลอดภัย)

ตัวอย่างทั้งหมดด้านล่างนี้เป็นรหัสเทียมที่ถูกปรับแต่งเพื่อแสดงรูปแบบการตรวจจับ ไม่ใช่ช่องโหว่ที่ใช้งานได้จริง:

Java – การตรวจจับการใช้งาน API ที่ไม่ปลอดภัย:

				
					java
// BAD: Accepting untrusted input without validation
ObjectInputStream in = new ObjectInputStream(userInputStream);
Object obj = in.readObject(); // Unsafe - no class type checks

// GOOD: Validate allowed classes before processing
if (allowedClasses.contains(obj.getClass().getName())) {
    process(obj); // Safe processing of approved classes
}

				
			

Python – การหลีกเลี่ยงการดีซีเรียไลเซชันที่ไม่ปลอดภัย:

				
					python
import pickle

# BAD: Loading untrusted serialized data directly
data = pickle.loads(untrusted_input)  # Unsafe - arbitrary object execution risk

# GOOD: Use JSON with schema validation
import json
data = json.loads(untrusted_input)  # Safe when validated against schema

				
			

Node.js – การป้องกันการเรียกใช้โค้ดแบบไดนามิก:

				
					javascript
// BAD: Executing code from parsed data
let obj = JSON.parse(untrustedInput);
eval(obj.code); // Unsafe - allows arbitrary code execution

// GOOD: Use fixed logic without dynamic execution
let safeObj = JSON.parse(untrustedInput);
process(safeObj); // Handle only expected properties and values

				
			

การตรวจจับอัตโนมัติใน DevSecOps Pipelines: ตรวจจับการแปลงข้อมูลกลับเป็นรูปแบบอนุกรมก่อนที่จะถึงขั้นตอนการผลิต

การตรวจจับการดีซีเรียไลเซชันที่ไม่ปลอดภัยโดยอัตโนมัติช่วยให้มั่นใจได้ว่า ตรวจพบและแก้ไขช่องโหว่แล้ว ก่อนที่จะนำไปสู่การเรียกใช้โค้ดจากระยะไกลในสภาพแวดล้อมการใช้งานจริง

Pipeline การสแกน

  • วิ่ง SAST ในซอร์สโค้ด ไฟล์การกำหนดค่า และผลลัพธ์การสร้างในทุก ๆ ขั้นตอน commit.
  • ตรวจจับรูปแบบการดีซีเรียไลเซชันที่ไม่ปลอดภัยทั้งในโค้ดแอปพลิเคชันและ การอ้างอิง.

การตรวจสอบวัตถุโบราณ

  • สแกน .ser, .pkl, และไฟล์ที่ถูกแปลงเป็นรูปแบบอนุกรมอื่นๆ เพื่อตรวจสอบรูปแบบที่ไม่ปลอดภัยก่อนที่จะนำไปใช้งานหรือแม้แต่ทำการทดสอบ

Pull Request การปิดกั้น

  • บล็อกจะรวมเข้าด้วยกันหากตรวจพบการแปลงข้อมูลที่ไม่ปลอดภัย
  • แสดงข้อเสนอแนะที่นำไปปฏิบัติได้ใน Pull Request (PR) เพื่อเร่งการแก้ไขปัญหา

การบังคับใช้การทดสอบหน่วย

  • รวมการทดสอบหน่วยที่มีอินพุตที่เป็นอันตรายจำลองไว้ใน CI/CD pipeline
  • หากแอปพลิเคชันประมวลผลข้อมูลที่ถูกแปลงเป็นรูปแบบอนุกรมที่ไม่ปลอดภัย ให้ทำการสร้างบิลด์แล้วล้มเหลว แทนที่จะปฏิเสธข้อมูลนั้น

หลีกเลี่ยงผลลัพธ์ที่ผิดพลาดโดยไม่ลดทอนกฎเกณฑ์

  • อย่าปิดใช้งานกฎการตรวจจับเพื่อ "ปิดเสียง" การแจ้งเตือน เพราะอาจทำให้การแปลงข้อมูลที่ไม่ปลอดภัยผ่านไปได้โดยไม่ถูกตรวจพบ
  • ใช้รายการที่อนุญาต (whitelist) ที่มีการควบคุมสำหรับรูปแบบหรือส่วนประกอบที่ทราบว่าปลอดภัย
  • กำหนดให้มีการตรวจสอบความปลอดภัยก่อนอนุมัติรายการที่อนุญาตพิเศษ
  • ควรจัดเก็บรายการที่อนุญาต (whitelist) ไว้ในระบบควบคุมเวอร์ชัน และตรวจสอบเป็นระยะเพื่อให้แน่ใจว่าข้อยกเว้นทั้งหมดนั้นสมเหตุสมผลและปลอดภัย

บทบาทของไซเกนี

  • ผสานรวมเข้ากับระบบโดยตรง CI/CD pipelineใช้เพื่อสแกนทั้งซอร์สโค้ดและไฟล์ที่ได้จากการสร้างโปรแกรม
  • ตรวจจับรูปแบบการดีซีเรียไลเซชันที่ไม่ปลอดภัยและการพึ่งพาที่มีความเสี่ยงตั้งแต่ช่วงต้นของวงจรชีวิต
  • รองรับการอนุญาตตามนโยบายโดยมีการตรวจสอบความปลอดภัยภาคบังคับ เพื่อสร้างสมดุลระหว่างความแม่นยำในการตรวจจับกับประสิทธิภาพการทำงานของนักพัฒนา

ก้าวล้ำหน้าการเรียกใช้โค้ดจากระยะไกลด้วยการแปลงข้อมูลอย่างปลอดภัย

การแปลงข้อมูลที่ไม่ปลอดภัยอาจไม่ถูกตรวจพบจนกว่าจะกลายเป็นช่องทางโดยตรงในการเรียกใช้โค้ดจากระยะไกล การป้องกันปัญหานี้ต้องใช้:

  • ทำความเข้าใจว่าการดีซีเรียไลเซชันคืออะไร และสามารถนำไปใช้ในทางที่ผิดได้อย่างไร
  • การผนวกรวมการตรวจจับอัตโนมัติเข้ากับขั้นตอนการพัฒนา
  • ตรวจสอบความสัมพันธ์ระหว่างไฟล์ต่างๆ ไฟล์ที่ได้จากการสร้าง และข้อมูลที่ถูกแปลงเป็นรูปแบบอนุกรมที่ใช้ในการทดสอบอย่างสม่ำเสมอ

บทบาทเชิงปฏิบัติของ Xygeni ในกระบวนการนี้:

  • การสแกนซอร์สโค้ด: ระบุรูปแบบการดีซีเรียไลเซชันที่ไม่ปลอดภัยในหลายภาษา ก่อนที่จะรวมโค้ดเข้าด้วยกัน
  • การวิเคราะห์สิ่งประดิษฐ์และการพึ่งพา: ตรวจจับไฟล์อนุกรมที่มีความเสี่ยง (.ser, .pkl, การกำหนดค่าแบบฝังตัว) และส่วนประกอบของบุคคลที่สามที่มีช่องโหว่ที่ทราบแล้ว
  • การควบคุมตามนโยบาย: รองรับรายการอนุญาตที่มีการควบคุมพร้อมการตรวจสอบความปลอดภัย เพื่อให้มั่นใจว่าข้อยกเว้นที่จำเป็นจะไม่ก่อให้เกิดความเสี่ยงที่แท้จริง
  • การให้ข้อเสนอแนะแก่ผู้พัฒนาในบริบทที่เหมาะสม: ระบุตำแหน่งที่แน่นอนและสาเหตุของการดีซีเรียไลเซชันที่ไม่ปลอดภัยภายใน pull requestsซึ่งช่วยให้นักพัฒนาสามารถแก้ไขปัญหาได้ทันทีและยืนยันการแก้ไขผ่านการสแกนซ้ำ

โดยการผสานการตรวจสอบเหล่านี้เข้าไปโดยตรง CI/CDทีมต่างๆ สามารถตรวจจับและแก้ไขช่องโหว่ด้านความปลอดภัยได้ การแปลงข้อมูลเป็นรูปแบบที่เข้าถึงได้ก่อนที่จะมีโอกาสลุกลามไปสู่การเรียกใช้โค้ดจากระยะไกลในสภาพแวดล้อมการใช้งานจริง

sca-tools-software-composition-analysis-tools
จัดลำดับความสำคัญ แก้ไข และรักษาความปลอดภัยความเสี่ยงด้านซอฟต์แวร์ของคุณ
สมัครบัญชีฟรีได้เลย
ไม่ต้องใช้บัตรเครดิต

รักษาความปลอดภัยในการพัฒนาและส่งมอบซอฟต์แวร์ของคุณ

ด้วยชุดผลิตภัณฑ์ Xygeni