人工智能安全-6-SQL注入检测

0 提纲

概述
SQL注入方法
SQL注入的检测方法
SQL语句的特征提取
天池AI上的实践

1 概述

SQLIA：SQL injection attack SQL 注入攻击是一个简单且被广泛理解的技术，它把 SQL 查询片段插入到 GET 或 POST 参数里提交到网络应用。
由于SQL数据库在Web应用中的普遍性，使得SQL攻击在很多网站上都可以进行。并且这种攻击技术的难度不高，但攻击变换手段众多，危害性大，使得它成为网络安全中比较棘手的安全问题。

1.1 当前发展水平与现状

SQLIA 被大量关注并有丰富的文献
基于端到端的网站应用架构的 5 个关键层简要回顾现有途径，并给出解决方案提议：

客户端
网络应用防火墙（WAF）
网络应用
数据库防火墙
数据库服务器

在这里插入图片描述

2 SQL注入方法

发生于Web+数据库的应用架构中
Web页面存在注入点，如一个登录页面：
在这里插入图片描述
假如对登录用户身份进行合法性验证的SQL语句为：

select * from user where name = ‘{$name}’ and password ={$password}

攻击者即使没有该网站的用户账号和密码，但是他也可能绕过账号验证而获得相应登录权限。只需在登录提交表单中，密码框输入1 or 2=2从而生成如下的注入SQL。此时登录验证的SQL语句被攻击者构造为：

select * from users where username='asndfas' and passwd=1 or 2=2

在密码框中输入2345; drop table tmp，从而形成了如下的注入SQL，其中注入的分号是将SQL指令分成多条指令执行。

select * from users where username='bbb' and passwd=2345; drop table tmp

由此会产生严重的数据库安全问题。

3 SQL注入的检测方法

SQL注入的检测通常要对输入的内容进行校验，其中较为有效的是对请求数据格式或者内容进行规则处理。目前主要的检测方法有：

针对特定类型的检查；
对特定格式的检查；
SQL预编译的防御方法；
机器学习方法。

4 SQL语句的特征提取

SQL的表示：

对SQL语句采用N-Grams表示
语法树的表示形式

在这里插入图片描述

4.1 标记图的方式及思路

定义SQL语句中的标记（Token），把SQL中的关键字、标识符、操作符、分隔符、变量以及其他符号都称为标记。
一条SQL查询，无论是真正的查询还是注入的查询，都是一个标记序列。
检测的基本思路就是，对真正查询和注入查询的序列进行特征提取，然后在特征空间中构建识别注入查询的分类器模型。

定义映射表
在这里插入图片描述
两个例子：
（1）

 select * from books where price>20.5 and discount<0.8

规范化为：

 SELECT STAR FROM USRTBL WHERE USRCOL GT DEC AND USRCOL LT DEC

（2）

select count(*), sum(amount) from orders order by sum(amount)

规范化为：

SELECT COUNT STAR CMMA SUM USRCOL FROM USRTBL ORDER BY SUM USRCOL

对规范化后的序列，构造标记图：
在这里插入图片描述
可以构造的图种类包括：有向图/无向图，含权图/无权图。

上面例子每个边的权重置为1，生成的是无权图。

最终，对一个SQL查询可以转换成为标记图：
在这里插入图片描述
进一步对该图提取特征，可以是节点的度/入度/出度/紧密度等，从而将一个查询转换成为SQL标记的特征向量。而后可以使用各类分类器进行训练。

4.2 文本分析的思路

由于注入内容是一种文本信息，其语法基本遵循SQL语言，而非扎乱无章的内容。从这点看，它与自然语言类似。因此，可以尝试按照自然语言文本分类的方式来进行SQL注入的检测。
把SQL语句注入的请求信息进行分割，按照逻辑顺序进行切分，在逻辑上存在间隔的地方加上空格。例如：

--post-data "Login='and'1'='1~~~&Password='and'1'='1~~~&ret_page='and'1'='1~~~&qu erystring='and'1'='1~~~&FormAction=login&FormName=Login"

转化为：

“-post-data "Login=' and '1'='1~~~&Password=' and '1'='1~~~&ret_page=' and '1'='1~~~&querystring=' and '1'='1~~~&FormAction=login&FormName=Login”

接下来，采用普通的文本分类技术，使用信息增益、方差阈值等特征选择方法选择有利于分类的Top K个特征，从而完成文本向量空间的构建。
从文本的角度，当然也可以把文本分类中的经典神经网络用来进行SQL注入的检测。例如Text CNN等。

5 天池AI上的实践

数据集是来自一个网站收集的链接请求，只有normal/attack两类，分别对应于标签0/1。该数据集共480条记录，有注入记录339条，正常记录141条。以下两条记录分别是注入和非注入样本。
基本思路是，把整个训练文本集进行切分，转换称为tf-idf向量，然后使用各类分类器进行训练和测试。
（1）数据处理部分
‘’’
train_data = pd.read_csv(“train.txt”, header = None, sep = “,”)
test_data = pd.read_csv(“test.txt”, header = None, sep = “,”)
train_data.dropna(inplace = True) #删除有缺失值的行
test_data.dropna(inplace = True)

（2）文本-向量转换处理，使用sklearn提供的TfidfVectorizer完成向量表示。
（3）构建分类器，测试性能
- 可以实现神经网络模型等更多分类器进行测试

在这里插入图片描述