您是否曾花费很长时间寻找就在面前的钥匙？安全研究的感觉是一样的——你知道错误就在那里，隐藏在众目睽睽之下。

关于漏洞搜寻的问题是这样的：它很少是为了寻找新颖的零日漏洞。更常见的是，它是为了发现其他人错过的那些微妙的模式。挑战？足够快地测试数百个变化的样本，以找到一种突破一切的边缘情况。

长话短说

让我分享一下人工智能如何帮助发现文档 ID 系统中的漏洞，从而访问整个平台上的敏感文件。该错误本身并不是特别复杂，但使用人工智能使我们能够大规模分析模式——如果手动完成，这将非常耗时，而且可能会被忽视。

最初的发现

每个好的错误故事都是从“嗯，这有点怪”的那一刻开始的。我的开始是这样的一串：

672f7aacd9538fef01d44dd1721fe5767b5b1d3553672-181

只是来自上传系统的另一个文档 ID，对吧？但有些地方不对劲——它总是 49 个字符长，而不是您期望的 MD5 哈希值的 32 个字符长度，也不匹配 SHA1 或任何标准哈希算法。每次上传时，即使是相同的文件，它也会完全改变。

第一次尝试

ID 的模式看起来很有趣，因为该服务没有将用户授权 cookie 映射到文档 ID，因此如果它被破坏，我们可能会访问平台上的其他用户文档。

❝

🔍提示1：注意不符合通用标准的长度。他们经常暗示自定义实现，这可能是安全问题的金矿。

“它必须简单”阶段：

• 也许只是 Base64？不是。
• 一定是MD5吗？不是。
• 十六进制编码呢？不是。
• sha256呢？不可能。

但这就是有趣的地方。相同的文件，相隔几秒上传，产生的 ID 不同......除了：

• 前几个字符看起来与某些模式相似
• 最后几位看似连续的数字

❝

🔍 提示2：测试文件上传时，始终快速连续尝试相同的文件。生成的 ID 中的差异（或相似之处）可以告诉您很多有关底层系统的信息。

利用人工智能进行模式分析

这就是人工智能LLMs改变游戏规则的地方。我没有手动分析模式，而是生成了 100 个 ID，并将它们提供给 Anthropic 的 Claude 3.5 进行分析。

我: "这里有 100 个文档 ID。你能发现任何模式吗，特别是在时间戳相关的？"

Claude: "前 8 个字符似乎是十六进制时间戳。看看这些连续的上传..."

事实上，几秒钟之内我们就取得了第一个突破：

pattern = {
    'timestamp': id[:8],      # Hex timestamp
    'random': id[8:45],        # Unknown portion
    'sequence': id[46:]       # Sequential number
}

❝

🔍提示3：人工智能不仅用于编码，还用于模式识别。它可以发现数据中的规律性，而这些规律性可能需要数小时才能手动注意到。

通过Burp Sequencer分析得出的新信息表明中间部分是足够随机的。挑战在于，除了时间戳和序列号之外，相同的输入数据会产生不同的输出。

破解加密算法

中间部分（37 个字符）很有趣，因为我们已经了解其他部分的作用。

然而，它是：

• MD5 太长
• 对于 SHA1 来说太短
• GUID 太奇怪了
• 过于随机，无法以客户端为基础

它也不能基于像我们的 IP 地址或服务器 MAC 地址这样的固定值，因为静态数据点不会在每个请求之间发生变化来解释输出的随机性。

我利用LLM为各种哈希组合生成测试用例，以排除任何明显可以解释填充或哈希输入的内容，并假设序列用于输入：

test_strings = [
    # Basic combinations
    timestamp_hex + sequence,
    sequence + timestamp_hex,
    
    # With datetime variations
    timestamp_str + sequence,
    unix_timestamp + sequence,
    
    # With the trailing 5 digits
    timestamp_hex + full_hash[-5:],
    sequence + full_hash[-5:],
    
    # Reversed combinations
    sequence[::-1] + timestamp_hex,
    timestamp_hex[::-1] + sequence,
    
    # Mixed formats
    hex(int(sequence))[2:] + timestamp_hex,
    timestamp_hex + hex(int(sequence))[2:],
    
    # With different separators
    f"{timestamp_hex}-{sequence}",
    f"{timestamp_hex}_{sequence}",
    f"{timestamp_hex}:{sequence}"
]

运气不太好，对于可能的基本算法来说，这开始变得过于复杂。

突破：给朋友打了个电话

我几乎要放弃了，但有件事一直困扰着我。就在那时，我联系了一位好朋友兼猎人同伴卢平，他是一位真正的快速验证想法的大师。

这对于安全研究至关重要——知道何时需要第二双眼睛。有时你需要有人告诉你你正在追逐死胡同，或者推动你深入挖掘。

我逐字逐句告诉了卢平 该应用程序感觉有点不可靠，使用 PHP 并且最后的迭代让我认为它没有经过深思熟虑 所以必须对哈希算法有一个简单的解释。

❝

🔍提示4：遇到困难时，用语言表达你的假设。有时，只要向别人解释问题就能找到解决方案。

我们就代码的用途进行了集思广益

1. 是否使用临时文件名来生成哈希值？

$hash = md5(__DIR__ . $filename . time()) . substr(uniqid(), 0, 5);

2. 是否加盐？

$hash = md5($filename . time() . $salt) . generatePadding(5);

3. 它是一个 Unix 时间戳来哈希 + 一些填充吗？

$hash = md5(time()) . random_bytes(5);

4. 它是一个要哈希的字符串时间戳 + 一些填充吗？

$hash = md5(date('Y-m-d H:i:s')) . bin2hex(random_bytes(5));

手动测试哈希理论就像看着油漆变干——技术上是可行的，但生命太短暂了。让人工智能加速我们的发现其中的匹配特征。

我们没有仔细研究每种可能性，而是将我们的理论提供给LLM ，后者将它们转换为一些 Python 排列选项和有针对性的 hashcat 命令，以便可以轻松验证理论。

Hashcat是破解哈希的强大工具。它支持多种算法和攻击类型，包括暴力破解、字典和基于规则的攻击，您可以向它提供输入和掩码，以生成针对缺失部分的测试用例。

这里的想法是为散列的缺失部分生成一个掩码，并针对已知部分对其进行测试。

这样的LLM提供的输出非常完美。系统在< 1秒内破解了它：

hashcat -m 0 -a 3 fef01d44dd1721fe5767b5b1d3553672 '672f7aac?h?h?h?h?h'

让我们分解一下这个命令：

-m 0: "Hey hashcat, we're dealing with plain old MD5 here"

-a 3: "Use mask attack mode" (more on this in a second)

fef01d44dd1721fe5767b5b1d3553672: The mysterious middle section we're trying to crack

672f7aac?h?h?h?h?h: The magic mask pattern

最后一部分是有趣的地方。我们告诉 hashcat：

672f7aac: "We know these exact characters from the timestamp"

?h?h?h?h?h: "Then try every possible hex character for these 5 positions"

使这个特别优雅的是有限的搜索空间：

# Search space breakdown
characters = 16    # Hex characters (0-9, a-f)
positions = 5      # Padding length
combinations = 16^5 = 1,048,576

在现代 GPU 上，这只需不到一秒的时间。运行 hashcat 证实了我们的理论：

fef01d44dd1721fe5767b5b1d3553672:672f7aacd9539 

Session..........: hashcat
Status...........: Cracked 
Hash.Mode........: 0 (MD5)
Hash.Target......: fef01d44dd1721fe5767b5b1d3553672
Time.Started.....: Sun Nov  10 17:39:07 2024 (0 secs)
Time.Estimated...: Sun Nov  10 17:39:07 2024 (0 secs)
Kernel.Feature...: Pure Kernel
Guess.Mask.......: 672f7aac?h?h?h?h?h [13]

理解模式

该算法使用带有 5 个字符填充的时间戳来生成 MD5 哈希值。

最初，我们期望填充是完全随机的 - 毕竟，这通常是填充的重点。经过一番头脑风暴，我们考虑了一个有趣的可能性：如果在哈希算法中将时间戳用作种子两次会怎样？提交文档时一次，生成 ID 时再次。

双时间戳理论

我请Claude帮忙分析这个理论，它很快证实了一个模式：

我们在文档 ID 中看到的种子与我们破解生成 32 个字符哈希的种子仅相差几个值：

原始哈希值: 672f7aac d9538 fef01d44dd1721fe5767b5b1d3553672 -181

破解输入:    timestamp + d95389 [incremented by 1 from d9538]
破解输出:               fef01d44dd1721fe5767b5b1d3553672
final Hash:    timestamp + fef01d44dd1721fe5767b5b1d3553672 + 181

这意味着输出始终比输入大 1-5 个值，这可能是由于这些操作之间的时间差所致：

Upload Time (t1) → Process Time (t2) → ID Generation (t3)
↓                   ↓                   ↓
First Hash ----→ MD5 + Padding ----→ Final ID

“随机”填充根本不是随机的 - 它看起来像是时间戳的哈希值，进一步消除了这里的复杂性。

影响

该漏洞可实现经典的三明治攻击：

1. 上传文档并请求其 ID
2. 稍等一会儿
3. 再次请求ID
4. 时间戳差异揭示了时间戳和序列号，以计算出种子并下载其他用户的文档。

结论：LLMs和 Bug 搜寻

这次经历凸显了现代人工智能工具如何加速错误搜寻过程。虽然它们不能取代人类的直觉和经验，但它们可以：

• 快速识别大型数据集中的模式

• 生成全面的测试用例

• 发现生成的模式

• 加速假设检验

安全研究的未来在于人类直觉和人工智能分析的综合。这些工具增强了我们的能力，但核心技能保持不变：好奇心、毅力和发现不太适合的模式的能力。