Vuln Patterns Injection

Injection Vulnerability Patterns (CWE-77/78/89/94/95/917)

当审计 Python 代码中涉及动态命令构造、SQL 拼接、eval/exec 调用、模板渲染时加载此 Skill。

Detection Strategy

通用检测模型，适用于此类漏洞的所有变体。

Sources（用户输入入口）：

• HTTP 请求参数：request.args, request.form, request.json, FastAPI Query(), Path() 参数
• LLM/Agent 输出：tool_call.arguments, Agent 的 Action Input, LLM 生成的代码字符串
• ORM 查询参数：用户传入的列名/字段名（如 column 参数传入聚合函数）
• 配置/序列化数据：Hydra _target_ 字段、YAML/JSON 配置中的类路径
• MCP/工具调用：MCP Server 接收的 kubectl 命令参数、工具函数的用户输入
• 向量存储过滤表达式：InMemoryVectorStore 的 filter lambda 字符串

Sinks（危险函数/操作）：

• 代码执行：eval(), exec(), compile(), __import__()（注意：开发者常误用 eval() 替代 ast.literal_eval()，如用 eval() 解析布尔值）
• 模板引擎：Jinja2 Template(user_input).render(), Environment().from_string(user_input), Mako Template(user_input).render()
• 命令执行：subprocess.run(shell=True), subprocess.Popen(shell=True), os.system(), os.popen()
• SQL 执行：sqlalchemy.text() 拼接用户输入, cursor.execute() 字符串拼接, ORM .extra(), .raw()
• 动态实例化：Hydra instantiate(), importlib.import_module() + getattr()
• 沙箱内函数：python_repl_ast 工具（LangChain）, local_python_executor（smolagents）
• AST 解析后执行：ast.parse() + exec(compile(...))（当 AST 白名单检查不完整时）

Sanitization（安全屏障）：

• 参数化查询：使用 cursor.execute(sql, params) 而非字符串拼接
• 白名单验证：将用户输入限制为预定义的安全值集合（如字段名白名单）
• 类型转换：str.lower() in ('true', '1') 替代 eval() 做布尔解析
• 前缀/模块白名单：限制动态导入的模块路径必须以安全前缀开头
• AST 节点白名单：限制允许的 AST 节点类型 + 属性黑名单（如 __class__, __globals__）
• 返回值检查：对沙箱执行结果做安全性验证（模块类型、函数来源检查）
• Shell 元字符过滤：对传入 subprocess 的参数使用 shlex.quote() 或避免 shell=True
• 列表参数模式：subprocess.run(shlex.split(cmd), shell=False) — 避免 shell 解析

检测路径：

搜索 sink 调用的 Grep 模式：

bashCopy code
# 代码执行
grep -rn "eval(" --include="*.py"
grep -rn "exec(" --include="*.py"
# 命令执行
grep -rn "shell=True" --include="*.py"
grep -rn "os\.system\|os\.popen" --include="*.py"
# SQL 拼接
grep -rn "sqlalchemy\.text\|\.execute(" --include="*.py"
grep -rn "\.extra(\|\.raw(" --include="*.py"
# 模板注入
grep -rn "Template(" --include="*.py"
grep -rn "from_string(" --include="*.py"
# 动态实例化
grep -rn "instantiate(\|__import__(" --include="*.py"

1. 搜索 sink 调用（eval(, exec(, subprocess.*shell=True, sqlalchemy.text(, os.system(）
2. 回溯数据流，检查参数是否来自 source（HTTP 输入、LLM 输出、用户可控配置）
3. 验证 source->sink 路径上是否存在有效 sanitization
4. 特别关注以下高风险模式：
   • eval() 用于解析布尔值/简单类型（应使用类型转换替代）
   • ORM 聚合函数接受用户传入的列名（应做字段名白名单校验）
   • LLM Agent 框架硬编码 allow_dangerous_code=True
   • MCP Server 用 shell=True 执行用户传入的命令
   • instantiate() / __import__() 接受用户可控的类路径
5. 若无 sanitization 或 sanitization 不完整 -> 标记为候选漏洞

Detection Checklist

• 搜索 eval( 和 exec( 调用，检查参数是否包含用户输入或外部数据
• 搜索 subprocess / os.system / os.popen，检查是否使用 shell=True 且参数含用户输入
• 搜索 sqlalchemy.text() / 原生 SQL 拼接，检查是否有未参数化的用户输入
• 搜索 ORM 的 .extra(), .raw(), .min(), .max() 等接受字符串参数的方法
• 搜索 allow_dangerous_code 配置项，检查是否硬编码为 True
• 搜索 Hydra instantiate() / _target_ 字段，检查是否有用户可控的类路径
• 搜索 ast.parse + compile + exec 模式，检查 AST 白名单是否覆盖所有逃逸路径
• 搜索 __class__, __globals__, __builtins__ 等 dunder 属性访问，检查沙箱是否阻止
• 检查 MCP Server 的工具函数实现，确认命令构造是否安全
• 检查向量存储/搜索引擎的 filter 表达式解析，确认是否限制了危险的 AST 节点和属性
• 搜索 Jinja2 Template( / Environment().from_string( 和 Mako Template(，检查参数是否包含用户输入（SSTI 模板注入）
• 搜索 shlex.quote 或 shlex.split 使用情况，确认命令执行是否采用列表参数 + shell=False 模式

False Positive Exclusion Guide

以下模式不是此类漏洞：

• eval() 的参数是硬编码常量字符串 -- 无用户可控输入
• subprocess.run(["cmd", "arg"], shell=False) 使用列表参数且无 shell -- 参数不会被 shell 解析
• ast.literal_eval() 用于解析 JSON/字面量 — 只接受字面量表达式，不执行代码（但注意不要用 eval() 误替代 ast.literal_eval()）
• sqlalchemy.text() 配合 .bindparams() 使用 -- 参数已绑定，不存在拼接
• ORM 的 .filter(Model.field == value) -- 使用 ORM 表达式 API，自动参数化
• instantiate() 的 _target_ 来自代码内部硬编码的配置 -- 非用户可控

以下模式需要深入检查：

• eval(request_value) if isinstance(value, str) else value -- 虽然做了类型检查但 eval 仍危险
• sqlalchemy.text(f"{user_input}") 即使被包裹在 ORM 函数中 -- ORM 包装不改变 SQL 注入本质
• subprocess.run(cmd, shell=True) 即使 cmd 经过了"过滤" -- 过滤可能不完整
• AST 白名单 + exec() 沙箱 -- 白名单遗漏可导致沙箱逃逸
• allow_dangerous_code 通过环境变量/配置控制 -- 需确认默认值是否安全
• __import__(module_path) 即使有前缀检查 -- 前缀检查可能被绕过（如 ..）

Real-World Cases

详见 references/cases.md（7 个真实案例，需要时加载）。