ClickHouse多个误差原理剖析

宣布时间 2022-03-21

一、误差概述


ClickHouse是俄罗斯yandex公司于2016年开源的云数据库治理系统，，，，，，ClickHouse普遍应用于云平台的大数据剖析应用中，，，，，，其用户包括uber、ebay、德意志银行、阿里巴巴、腾讯等。。 。。。


克日，，，，，，JFrog清静研究团队披露了在ClickHouse DBMS中发明的7个误差，，，，，，拥有ClickHouse最低权限的攻击者可以通过这些误差使ClickHouse效劳器瓦解、走漏内存内容，，，，，，甚至导致远程代码执行（RCE）。。 。。。

误差影响了ClickHouse 21.10.2.15版本之前的所有版本。。 。。。详细误差形貌如下表所示：


图片1.png


二、处置惩罚建议


2021年10月18日宣布的ClickHouse 21.10.2.15版本修复了上述的7个误差，，，，，，请尽快升级到ClickHouse 21.10.2.15及以后的版本。。 。。。


下载链接：

https://github.com/ClickHouse/ClickHouse/releases/


缓解步伐：

若是无法升级，，，，，，请在效劳器中添加防火墙战略，，，，，，限制只允许特定IP的客户端会见WEB端口(8123)和TCP效劳器端口(9000)。。 。。。


三、误差剖析


这些误差都保存ClickHouse Server处置惩罚压缩数据的请求处置惩罚历程中，，，，，，ClickHouse Server支持对用户请求的附带数据举行压缩。。 。。。用户可以在提倡WEB请求时，，，，，，将decompress标记设为1即可，，，，，，举例如下：

cat query.bin | curl -sS —data-binary @-‘http://serverIP:8123/?user=xxx&password=xxx&decompress=1' 

盘问的附带数据(query.bin)可以按下面的结构举行组织：


图片2.png


ClickHouse支持多种压缩名堂，，，，，，包括LZ4、Gorilla、Delta等多种压缩算法。。 。。。ClickHouse Server凭证请求中附带数据的压缩算法标识，，，，，，挪用差别的解压算法来对数据举行解压。。 。。。


3.1 LZ4算法先容


LZ4压缩算法是LZ算法系列中的一种，，，，，，也是现在综合效率最快的压缩算法之一。。 。。。

一个LZ4压缩块由多个LZ4序列组成，，，，，，LZ4序列由以下数据组成，，，，，，如下图所示：


图片3.png

Token巨细为1字节，，，，，，高4个bits为不可压缩数据(literal）的长度(literallength)，，，，，，而低4个bits为可以压缩数据(match)长度(match length)。。 。。。若是literallength的值为0，，，，，，则体现后续数据里没有literal。。 。。。由于literal length只有4比特来体现，，，，，，它的最大值为15。。 。。。当literal数据的巨细大于即是15时，，，，，，需要在Token字段后添加格外的字节来体现literal的长度（Literal length+）。。 。。。


若是match length的值为0，，，，，，则体现后续数据里没有match。。 。。。由于matchlength只有4比特来体现，，，，，，它的最大值为15。。 。。。当match数据的巨细大于即是15时，，，，，，需要在offset字段后添加格外的字节来体现match的长度（match length+）。。 。。。

Literals指没有重复、首次泛起的字节约，，，，，，即不可压缩的部分。。 。。。

Offset指的是现在字符串离它的匹配项的长度，，，，，，而匹配长度指的是现在字符串与字典中相同字符串的匹配长度。。 。。。offset占用2个字节，，，，，，即最大值为65535。。 。。。

Match指重复项，，，，，，可以压缩的部分。。 。。。


 3.2 CVE-2021-43304原理

src/Compression/LZ4_decompress_faster.cpp的decompressImpl函数在拷贝LZ4序列数据的literal时，，，，，，没有判断复制的数据是否凌驾目的缓冲区的限制。。 。。。当需要复制的数据凌驾目的缓存的巨细时，，，，，，会导致堆溢出。。 。。。


图片4.png


如上图代码所示，，，，，，ip是指向压缩缓冲区的指针。。 。。。op是指向分派的目的缓冲区的指针，，，，，，该目的缓冲区的巨细为报头中给定的解压巨细。。 。。。copy_end是指向复制区域最后的指针。。 。。。


copy_amount是模板的参数，，，，，，可以是8、16或32。。 。。。复制区域被分块复制，，，，，，每个块的巨细都与复制量相同。。 。。。

攻击者可以结构恶意的LZ4序列数据，，，，，，其中litera的长度(length变量)大于dest_size，，，，，，将导致堆溢出。。 。。。


3.3 CVE-2021-43304误差复现

我们可以结构这样的请求数据，，，，，，其中压缩算法为LZ4，，，，，，literal的长度为255*200，，，，，，而dest_size为1。。 。。。由于literal的巨细远大于解压后缓冲区的巨细，，，，，，当clickhouse_server举行复制操作时将导致堆溢出，，，，，，触发程序瓦解。。 。。。


图片5.png


3.4 CVE-2021-43305误差原理


误差保存src/Compression/LZ4_decompress_faster.cpp的decompressImpl函数中，，，，，，该函数直接从LZ4压缩数据中读取16位无符号偏移量（offset攻击者可以控制），，，，，，offset用于定位match数据的位置，，，，，，当offset的值大于dest_size的值时，，，，，，copyOverlap操作将导致堆溢出。。 。。。


图片6.png


3.5 CVE-2021-42388及CVE-2021-42387误差原理


误差保存src/Compression/LZ4_decompress_faster.cpp的decompressImpl函数中，，，，，，该函数直接从LZ4压缩数据中读取16位无符号偏移量（offset攻击者可以控制）,该偏移量用于盘算wildCopy操作的源数据地点。。 。。。当offset的值为大于copy_amount时(如offset = 0xffff），，，，，，将导致程序将op地点之前的数据拷贝到op指向的地点中，，，，，，从而导致越界读。。 。。。


图片7.png


CVE-2021-42387是CVE-2021-42388的一个类似误差，，，，，，这里就不再先容。。 。。。


3.6 CVE-2021-42389、CVE-2021-42390、CVE-2021-42391误差原理

ClickHouse支持的DoubleDelta编解码器、Delta编解码器、Gorilla编解码器中都保存被零除的误差。。 。。。它们基于将压缩缓冲区的第一个字节设置为零。。 。。。解压代码读取压缩缓冲区的第一个字节，，，，，，并对其执行模运算以获得剩余字节，，，，，，当source[0]为0时，，，，，，CPU对0举行取模时操作将爆发除0异常。。 。。。


图片8.png


四、竣事语


大数据时代下，，，，，，大宗数据群集、毗连及网络界线的延伸都为数据库的的清静提出了更高的要求。。 。。。数据库作为信息手艺系统的焦点和基础，，，，，，承载着越来越多的要害营业系统，，，，，，成为企业和机构最具有战略性的焦点数据资产，，，，，，因此数据库方面的清静值得我们一连关注。。 。。。


参考链接：

[1]https://jfrog.com/blog/7-rce-and-dos-vulnerabilities-found-in-clickhouse-dbms/

[2]https://github.com/ClickHouse/ClickHouse

[3]https://thehackernews.com/2022/03/multiple-flaws-uncovered-in-clickhouse.html