hashdos_调查HashDoS问题
hashdos
近一個月前，我就如何在不與供應商互動的情況下臨時解決 28C3上出現的HashDoS問題或其他代碼缺陷發表了一些想法。現在是時候更深入地研究復雜性攻擊并查看源了。 我完全假設java.util.HashMap和java.util.Hashtable是受此攻擊影響的最常用的Java數據結構，因此本文僅將代碼集中在這些類型的后面。
哈希函數和索引數據結構的簡要介紹
哈希索引數據結構因其簡單的用法和優點而非常受歡迎：
- 無需打擾索引表即可找到所需數據的正確位置
- 通過使用關鍵字而不是索引號訪問數據
- 添加或刪除操作的時間幾乎恒定
為了獲得這些好處，哈希索引數據結構遵循有關如何索引數據的聰明思想。 索引是通過散列與背后數據關聯的關鍵字來計算的。 考慮以下示例，這是一個類似于代碼的簡單示例：
myHashIndexedDataStructure [hash（keyword）] =特定數據聽起來很完美，但是它有一個主要缺點：在大多數情況下，使用的哈希函數不是加密函數。
根據Wikipedia的說法，函數本身調用哈希函數的唯一強制特征是
“將可變長度的大型數據集（稱為鍵）映射到固定長度的較小數據集”與稱自己為密碼哈希函數（再次是來自Wikipedia的定義）相反，它必須滿足更多，甚至更強大的要求：
”
- 計算任何給定消息的哈希值很容易（但不一定很快）
- 生成具有給定哈希值的消息是不可行的
- 在不更改哈希的情況下修改消息是不可行的
- 找到兩個具有相同哈希值的不同消息是不可行的
”
長話短說，讓我們總結一下我們學到的知識以及用這些知識可以得出的結論：
如果關鍵字沖突，則哈希索引數據結構需要某種計劃b）–一種后備算法–關于如何處理具有相同關鍵字哈希值的多個數據集。
實際上，有幾種可行的方法：
- 探測（轉移到固定或可計算的間隔）
- 多重哈希
- 條目鏈接（沖突條目的構建列表）
- 覆蓋現有條目
以下哪種策略需要Java？ 首先，我們將檢查java.util的代碼。 Hashtable （僅顯示有趣的部分，為清晰起見，省略了其余代碼：
public synchronized V put(K key, V value) { ... // Makes sure the key is not already in the hashtable. Entry tab[] = table; int hash = key.hashCode(); int index = (hash & 0x7FFFFFFF) %tab.length; for (Entry<K,V> e = tab[index] ; e != null ; e = e.next) { if((e.hash == hash) && e.key.equals(key)) { V old = e.value; e.value = value; return old; } } ... // Creates the new entry. Entry<K,V> e = tab[index]; tab[index] = new Entry<>(hash, key, value, e); count++; return null; } 可以看出，該類使用鍵對象（ 關鍵字 ）的hashCode （）函數來計算哈希值。 它遵循ANDing（＆運算符），為了將其正確表示為Integer，MODULO（％運算符），將表大小（建立循環環結構：（table.length + 1）mod table.length？1，用余數除法）始終解決標簽 []中的條目。
此后，將考慮所有條目 （-ies）并檢查哈希值是否相同且對象本身是否相同。 if -clause防止存儲同一對象的多個實例-舊的實例僅由新的實例替換。
如果在由key.hashCode （）標識的當前位置上找不到相同的對象（關于哈希值和equals （）方法），則將創建一個新的Entry，并將其放置在當前位置并在該位置處理舊的Entry對象。
到目前為止，看起來java.util.Hashtable在每個tab []之后都使用某種列表作為數據結構。
查看私有內部類java.util.Hashtable.Entry <K，V>的代碼時，可以確認此假設。
private static class Entry<K,V> implements Map.Entry<K,V> { int hash; K key; V value; Entry<K,V> next; 下一個Entry對象僅指向下一個Entry 。 這代表一個定制的鏈表。
java.util.HashMap的代碼更加復雜，并且表現部分不同（允許使用null值，！不同步！），但是基于相同的思想。 在這里調查代碼不會發現任何新內容，除了Entry重新被重新實現的事實…）。
兩種實現都依賴于哈希索引數組的每個條目后面的鏈接列表。
進攻思路
現在我們知道了java.util.Hashtable和java.util.HashMap背后的實現細節，我們可以回到稱為HashDoS的攻擊。 該攻擊實現了Crosby，SA，Wallach，DS的想法： 通過算法復雜性攻擊拒絕服務。 在：關于USENIX安全研討會的第12屆會議論文集–第12卷，USENIX協會（2003）
總結一下：散列索引的數據結構會因引發不利的狀態而大大減慢速度。 理想的哈希索引數據結構如下所示：
在這種情況下，使用具有不同哈希值的關鍵字更改，刪除或添加數據的時間幾乎是恒定的。 通過使用關鍵字的哈希值作為索引，可以輕松找到位置，并且無需迭代列表即可立即顯示數據。
讓我們看一下哈希索引數據結構的另一種不利狀態：
像這樣的結構，CRUD操作的恒定時間已經結束了……
這會大大減慢處理線程的速度。 一個非常快的數據結構已經變成了一個鏈表，并帶有額外的開銷（計算哈希值）。 散列索引數據結構的所有好處都將被抹去。 好像還不夠糟糕，大多數哈希索引數據結構都啟用了稱為重新哈希的功能。 當數據結構超過定義的負載（例如在Java中為75％）時，出于優化原因重新整理表。 大多數情況下，絕對希望使用此功能，但在這種特殊情況下，它甚至會減慢整個過程。
利用問題
要利用此行為，有必要計算一大堆沖突關鍵字。 例如，如果我們假設關鍵字的類型為java.lang.String ，我們可以看一下其hashCode （）函數：
public int hashCode() { int h = hash; if (h == 0) { int off = offset; char val[] = value; int len = count; for (int i = 0; i < len; i++) { h = 31*h + val[off++]; } hash = h; } return h; } 這似乎是DJ Bernstein設計的功能DJBX33A的自定義版本，可以在其中輕松發現沖突。
該函數具有一個有趣的屬性，將在以下示例中進行演示：
我們看到碰撞值的串聯再次導致碰撞值。 我們可以繼續做下去，并獲得大量碰撞關鍵字。 這使查找沖突比單純的暴力破解更加容易。
我們針對本地Web服務對此進行了測試，并且可以通過使用沖突關鍵字作為標記屬性來顯著降低正在運行的Web應用程序服務器的速度。
我不確定是否確實可能使計算機崩潰，或者是否存在某種非顯而易見的機制來防止服務器自行殺死（我們尚未在服務器端研究處理代碼），但是可以肯定地阻止服務器在可接受的時間內正常運行。 對Web服務的請求很容易被延遲。
也許我會在不久的將來付出一些努力來收集測量數據（#colliding keys –系統響應時間）。 如果我這樣做，您將在此博客上找到數據…
帶你去的拐角點
- 永遠不要單獨依賴hashCode() –容易出錯
- 避免像
if(password.hashCode() == referencePassword.hashCode()) {
return godMode; - 在決定/反對數據類型/結構時，花幾秒鐘的時間在實現細節上
- 篩選傳入的數據–裁剪其大小，拒絕超長參數等。
- 小心，并始終注意編碼最佳實踐！
進一步有趣的觀點
在此示例中，我們使用java.lang.String作為關鍵字對象。 有趣的是還可以使用什么，以及在JRE代碼或大量使用的項目中，沖突的哈希值在何處用于數據結構或什至更壞的目的。
可以看看Object.hashCode （）是如何實現的（它是本機代碼）–這將是一個不錯的目標，因為所有其他對象都擴展了該基類。 如果擴展類沒有覆蓋hashCode （）函數，而是依賴于正確的，無沖突的輸出，則這對于更復雜的攻擊可能很有用。 考慮一下如果序列化依賴于相應的代碼會發生什么……。
如果有人已經知道一些脆弱的地方，請告訴我們！ 我們非常有興趣，但是由于時間有限，無法達到我們想要的深度。
謝謝
我要再次感謝Juraj Somorovsky所做的豐富的聯合研究工作！ 此外，我們還要感謝oCERT團隊的Andrea Barisani和紅帽安全響應團隊的 Vincent Danen ，他們與我們討論了這個問題！
參考：從我們的JCG合作伙伴處 調查HashDoS問題 ? Java安全和相關主題博客中的Christopher Meyer。
翻譯自: https://www.javacodegeeks.com/2012/02/investigating-hashdos-issue.html
hashdos
總結
以上是生活随笔為你收集整理的hashdos_调查HashDoS问题的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 书评– Kubernetes Up＆Ru
- 下一篇： 使用Hibernate在CQRS读取模型