XML注入(XML Injection)本质上是攻击者把恶意数据塞进XML文档结构里,破坏服务端对XML的解析逻辑。跟SQL注入类似,但目标不是数据库,而是XML解析器、SOAP接口、RSS解析模块或者任何接收XML输入的端点。漏洞根因通常有两个:一是直接把用户输入拼进XML模板,没有做实体编码;二是解析器配置不当,允许了外部实体加载(XXE)。检测时先要区分是普通XML注入还是XXE,因为修复策略完全不同。
先说普通XML注入的检测。找那些接收XML格式参数的接口,比如Content-Type为application/xml、text/xml的POST请求,或者表单里直接填XML字符串的功能。测试时提交一段带特殊字符的输入,观察返回是否出现解析错误或结构变化。例如原本正常提交用户名是test,改成test</name><isAdmin>true</isAdmin><name>,如果服务端把用户输入直接嵌入到<name>标签内部,解析后就会多出一个isAdmin节点。回显里如果出现了不该有的标签、报错里泄露了XML结构片段,或者业务逻辑被篡改,就说明存在注入。
更精确的检测方法是构造闭合标签和属性注入。假设后端拼接的XML是<user><name>输入</name></user>,提交“test</name><role>admin</role><name>”,看返回是否把role节点解析出来。属性注入则针对<user name="输入">这种场景,提交“test" role="admin"”来闭合属性。检测时不要只测尖括号,还要测单双引号、CDATA区段、注释符。很多WAF只拦截<script>,但XML注入往往用不到script标签,绕过概率高。
XXE检测比普通XML注入更危险。提交一个带外部实体的XML文档,例如:
<?xml version="1.0"?> <!DOCTYPE root [ <!ENTITY xxe SYSTEM "file:///etc/passwd"> ]> <root>&xxe;</root>
如果响应里回显了/etc/passwd内容,说明存在XXE回显漏洞。如果没回显,可以尝试用OOB外带方式,把实体指向自己控制的服务器地址,看是否收到请求。还可以测file://、http://、expect://、php://filter等不同协议,以及参数实体、盲注型XXE。注意检测XXE时不要直接读敏感文件,先用file:///etc/hostname或者一个简单的http请求验证即可,避免法律风险。
修复普通XML注入的核心原则是:永远不要把用户输入直接拼进XML结构。如果必须拼接,要对输入做XML实体编码,至少转义五个字符:&转成&,<转成<,>转成>,"转成",'转成'。但更推荐的做法是使用XML解析库构建文档,而不是字符串拼接。例如Java里用DocumentBuilder创建节点,用setTextContent写入用户数据,解析库会自动处理编码。Python里用xml.etree.ElementTree的Element.text赋值,同样安全。
修复XXE的优先级要提到最高,因为XXE能读文件、打内网、甚至造成拒绝服务。具体措施包括:禁用外部DTD和外部实体。Java的DocumentBuilderFactory要设置setFeature("http://apache.org/xml/features/disallow-doctype-decl", true)和setFeature("http://xml.org/sax/features/external-general-entities", false)。Python的lxml解析器要设置resolve_entities=False,no_network=True。PHP的libxml_disable_entity_loader(true)在较新版本里默认已禁用外部实体,但仍要显式确认。.NET的XmlReaderSettings要把DtdProcessing设为Prohibit,XmlResolver设为null。
还有一个常被忽略的修复点是XPath注入。如果应用把用户输入直接拼进XPath表达式去查询XML数据,攻击者可以用单引号闭合条件,构造出永远为真的表达式。例如原本查询是//user[name='输入'],提交“' or '1'='1”就能绕过认证。修复方法是使用参数化XPath查询,或者对输入做严格的类型校验和转义。XPath标准本身不支持参数化,但很多库提供了变量绑定功能,例如Java的XPathExpression.evaluate方法配合XPathVariableResolver使用。
防护层面要建立纵深防御。WAF规则要覆盖XML请求体,检测DOCTYPE声明、ENTITY定义、SYSTEM标识符、file://和http://协议前缀。但WAF不能作为唯一防线,因为编码绕过方式太多,比如用UTF-16编码XML、用参数实体嵌套、用CDATA包裹实体引用。应用层必须自己做输入验证和解析器加固。同时限制XML文档大小和解析深度,防止Billion Laughs攻击。这种攻击用嵌套实体指数级放大内容,几十字节的XML能撑爆几个G的内存。解析器要设置最大实体展开次数和最大文档大小。
检测修复完成后要做回归验证。把之前构造的恶意payload重新提交,确认不再产生解析错误或意外节点。同时检查正常业务XML是否还能正常解析,避免修复过严导致功能不可用。对于使用XML的SOAP接口,还要验证WSDL定义的消息结构是否仍然匹配。如果业务必须支持外部实体,例如需要加载外部RSS源,可以配置白名单域名,只允许解析器访问可信地址,其他一律拒绝。
很多开发者以为用了JSON就没事了,但XML在金融、政务、企业集成领域仍然大量存在。老系统里用XML做数据交换的接口尤其容易中招,因为当初开发时安全意识不足。安全人员在做代码审计时,重点搜索XML解析相关的函数调用,比如DocumentBuilderFactory、SAXParser、XMLReader、simplexml_load_string、xml.etree.ElementTree.fromstring,然后逐个检查是否禁用了外部实体、是否拼接了用户输入。自动化扫描工具对XML注入的检测率不高,尤其是逻辑型的节点注入,人工验证仍然必要。
最后强调一个容易被混淆的概念:XML注入不等于XSS。虽然两者都涉及注入,但XSS运行在浏览器端,XML注入攻击的是服务端解析逻辑。如果XML数据最终被转换成HTML输出,那可能同时存在XSS风险,需要分开处理。修复XML注入时不要只过滤尖括号,因为攻击者可以用十六进制实体编码绕过,比如<代表<。正确的做法是解析器层禁用实体、应用层使用安全的XML构建API、输入层做白名单校验,三层同时落地。
