当前位置: 首页 > news >正文

Ash框架授权绕过漏洞:禁止请求下before_transaction钩子仍会执行

CVE-2025-48042:Ash框架授权绕过漏洞

描述

概要

某些批量操作调用,当包含before_transaction钩子但没有after_transaction钩子时,在以批量操作方式调用时,会在授权检查之前执行before_transaction钩子,然后返回Forbidden错误。

影响:恶意用户即使未被授权执行完整操作,也可能导致before_transaction钩子运行。该before_action可能执行敏感或昂贵的操作。

影响范围

如果您的createupdatedestroy操作满足以下条件,则受影响:

  • 操作上包含before_transaction钩子,且没有after_transaction钩子
  • 该操作通过Ash.bulk_*回调使用(AshJsonApi 和 AshGraphql 对 update/destroy 操作正是这样使用的)

影响程度取决于这些before_transaction回调的性质——它们是否具有副作用,或者只是执行某些操作(如查询外部数据),以及您的 API 端点是否经过身份验证及何种身份验证方式。

严重性

该漏洞的严重性难以评估。before_transaction钩子并不常用。此外,攻击者必须知道哪些操作可供利用,经过身份验证才能发起此类请求(即极少数情况会有策略阻止匿名查询执行),因此需要权限和内部知识。另外,该操作始终返回Forbidden错误,因此不会泄露任何信息。我们将在未来几天根据情况评估并调整严重性等级。

目前标记为高危,因为我们不清楚用户在其before_transaction钩子中放置了什么逻辑,理论上可能造成严重后果。

临时解决方案

您应尽快更新。如果因故无法更新,可以在这些before_transaction钩子中添加逻辑,阻止其在不应执行时执行其逻辑。

参考资料

  • GHSA-jj4j-x5ww-cwh9
  • https://nvd.nist.gov/vuln/detail/CVE-2025-48042
  • ash-project/ash@5d1b6a5

漏洞指标

指标分值/说明
CVSS v4 基础分7.1 / 10 (高危)
EPSS 评分0.074% (第23百分位)
弱点类型CWE-863 (不正确的授权)

CVSS v4 基础指标

可利用性指标

  • 攻击向量:网络
  • 攻击复杂度:低
  • 攻击要求:无
  • 所需权限:低
  • 用户交互:无

受影响系统影响指标

  • 机密性:无
  • 完整性:高
  • 可用性:低

后续系统影响指标

  • 机密性:无
  • 完整性:无
  • 可用性:无

受影响版本

  • 受影响版本:≤ 3.5.38
  • 修复版本:3.5.39

软件包

  • Erlang:ash (Erlang)
    glyoVzOLZA9nMhz/bDHDAWzfRfZ0dSZtQUalpUyOmxcHWCcbjeeGk+yedIFbCPw7GOg3++U4eSaSJa8verq5CQ==
    更多精彩内容 请关注我的个人公众号 公众号(办公AI智能小助手)
    对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号(网络安全技术点滴分享)
http://www.jsqmd.com/news/611612/

相关文章:

  • G-Helper:重构华硕设备性能管理的轻量级解决方案 | 玩家与商务人士必备工具
  • 【限时解密】Mojo 1.2.0正式版中Python FFI接口的3个breaking change——错过今晚,下周CI将批量中断!
  • 手机号码精准定位:3分钟快速上手的终极指南
  • EVA-CLIP训练技术揭秘:提升CLIP模型性能的终极方法
  • 深入Codesys IODrv驱动框架:从XML解析到数据交换的完整流程剖析
  • 深入理解MySQL增删改查:SELECT、UPDATE、INSERT、DELETE实战技巧
  • 终极Windows系统优化指南:Dism++让你告别卡顿的10个技巧
  • Wechatsync错误处理终极指南:如何优雅处理29+平台同步异常
  • BiliBili-UWP:革新Windows平台B站体验的第三方客户端突破
  • Scala Native快速开始:5分钟搭建你的第一个原生应用
  • AutoGLM-Phone-9B效果惊艳展示:看图片、听语音、聊天的全能AI实测
  • 【数据结构与算法】第33篇:交换排序(二):快速排序
  • Qwen3-ASR-0.6B效果实测:低信噪比(SNR=5dB)环境下仍保持89% WER
  • Z-Image-Turbo-辉夜巫女行业落地:二次元游戏公司NPC角色快速原型设计工具
  • LangGraph Agent架构实战:构建具备动态规划与执行能力的智能体工作流
  • gte-base-zh实战案例:中文文档智能检索系统搭建
  • MogFace人脸检测模型WebUI数据流处理:Python爬虫自动采集训练数据
  • Dkron容错机制揭秘:当节点宕机时作业如何自动恢复
  • 实时风控系统内存抖动归因分析,从trace_malloc到eBPF内存追踪——企业级Python内存可观测性落地手册
  • 2026年靠谱的反渗透纯净水设备/超滤纯净水设备/医用纯净水设备实力厂家推荐 - 品牌宣传支持者
  • BGE-Large-Zh开源镜像部署:与Milvus/Weaviate向量数据库集成方案
  • HunyuanVideo-Foley实战教程:WebUI插件市场建设与社区贡献指南
  • 利用InternLM2-Chat-1.8B自动化生成技术文档与API说明
  • 还在为百度网盘下载速度发愁?这个Python工具帮你突破限速
  • 无障碍辅助工具:OpenClaw+Qwen3.5-9B-AWQ-4bit实时描述屏幕内容
  • 英语阅读_save money
  • 静态图分布式训练卡顿?OOM?梯度失步?PyTorch 3.0三大核心缺陷诊断清单,97%问题3分钟定位
  • SenseVoice-small多任务实战:会议录音→文字+发言人分离+待办事项提取
  • FlashInfer、Triton、FA3怎么选?手把手教你为LLM推理服务配置最优Attention Backend
  • 万象熔炉 | Anything XL多场景落地:同人创作、游戏立绘、壁纸生成三合一