0x00 XML简介
XML可扩展标记语言，被设计用来传输和存储数据。其形式多样
例如：
1.文档格式(OOXML，ODF,PDF,RSS,DOCX...)
2.图片格式(SVG,EXIF Headers,...)
3.配置文件(自定义名字，一般是.xml)
4.网络协议(WebDAV,CalDAV，XMLRPC,SOAP,REST,XMPP,SAML,XACML,...)
某些在XML中被设计出来的特性，比如 XML schemas(遵循XML Schemas 规范)和documents type definitions(DTDs)都是安全问题来源。纵然被公开的讨论了上十年，还是有一大批一大批的软件死在针对XML的攻击上。
其实XML实体机制很好理解，可以直接用“转义”来理解：%和&foo从原始意义上来说是一样的，只是后者是由我们自己来定义任意内容。
拿DTD来说，DTD中能声明实体来定义变量(或是文字类的宏)，以便在接下来的DTD或者XML文档中使用。一般实体在DTD中定义，用来访问内部资源，获取里面的文字并用来替换自己的xml文档，而外部实体用来访问外部资源(也就是说，这些资源能来自本地计算机，也可以是远程主机)。在解析外部实体的过程中，XML的分析器可能会使用众多网络协议和服务(DNS,FTP,HTTP,SMB等等)这取决于URLs里面被指定成什么。外部实体用来处理那些实时更新的文档是很有用的，然而，攻击也能在解析外部实体的过程中发生。攻击手段包括：
读取本地文件(可能包含敏感信息 /etc/shadow)
内存侵犯
任意代码执行
拒绝服务
本文将对长期以来出现的xml攻击方法进行一个总结。
0x01 初识XML外部实体攻击
基于外部实体的文件包含
最早被提出的XML攻击方法是利用外部实体的引用功能来实现任意文件读取
]> Joe &file; ...
然而这种读取是有限制的，因为xml的解析器要求被引用的数据是完整的，我们使用一个例子来解释什么是完整。
]> &first;&second;
如上的xml文档当发送给服务器时，实际上是会产生一个错误的 其中虽然在组合在一起时是能够完美闭合的，但是这些实体由于在第3，4行就被解析一次，此时由于不是完美闭合的，就会抛出一个错误。
这种错误让xml攻击一度变得鸡肋起来，因为实际上很多文件都是“未闭合形式”的，比如在php文件推荐的写法中就是只有前面一个"
更糟糕的是，当你选择包含的是一个完整的xml文件(比如数据库连接文件)的时候，返回结果将是
可以看到，在标签中的数据库配置文档被嵌入时，大部分内容都是省略号，只显示了文档的结构。这是由xml parser特性决定的。
URL Invocation
XML攻击中有一块常常被忽视，那就是利用URL机制以及他们的一些奇怪的特性来扩大攻击面。
虽然XML规范并没有要求支持任何特定的URL机制，但许多平台的底层网络库却支持了几乎所有URL机制。
借助URLs，攻击者可以让运行着XMLparser的主机向第三方主机发起恶意请求.
比如“server-side request forgery”(ssrf).理论上来说，URL Invocation甚至可以用来发起内部网络中的洪水攻击。
大部分人不知道的是，即使外部实体被禁用了，许多xml parsers还是会去解析那些URL。举个例子，一些parsers会在文档定义阶段对url发起请求
这不是实体攻击!
除了外部实体和基于DOCTYPE的SSRF攻击之外，XML Schema提供了两个在实例文档中使用的特殊属性，用于指出模式文档的位置。这两个属性是：xsi:schemaLocation和xsi:noNamespaceSchemaLocation，前者用于声明了目标名称空间的模式文档，后者用于没有目标名称空间的模式文档，它们通常在实例文档中使用。
在这个案例中，所有带有secondaryns:前缀的都会遵循在xmlns:secondaryns中定义的机制。由于DOCTYPE定义不能出现在文档的中部，所以当我们只对文档某个部分可控的时候，就能利用schema_Location(http://location/of/remote/schema/primary.xsd)发起ssrf。(前提是一些设置需要设置为on，然而我们并没有对每个xml parser进行充分的测试来研究不同环境下有什么要求能让我们进行ssrf攻击，所以这也是一个待研究的方向，有兴趣的wooyuner可以交流~)
0x02 引入参数实体后的攻击手段
当我们的恶意xml被成功解析，这时我们有可能面临两个问题：
一，数据未闭合导致嵌入失败(比如只存在
二，服务器进行限制导致数据不能返回。
引入参数实体之后，这两个问题就能得到解决。
参数实体以%开头 我们使用参数实体只需要遵循两条原则：
参数实体只能在DTD声明中使用。 参数实体中不能再引用参数实体。
CDATA转义的妙用
CDATA部件;在CDATA部件的所有内容都会被XML解析器忽略，即CDATA部件里面的内容紧紧这是一个字符串文本的作用。一个 CDATA 部件以""标记结束。那么我们能不能构造一个这样的页面来返回那些文件呢
%dtd; ]> &all;
combine.dtd如下
前面也提到过，当xml parsers会把xml的参数实体% start % end马上解释，由于没有闭合 就会抛出错误，那么这里的%start为何能正常地解析呢? 这是因为参数实体的引用不需要在xml文档解析的时候保持xml闭合，这样就绕过了限制。
通过这样我们就能读取所有数据了(base64编码也可)
外带数据bypass回显限制
另一种使用参数实体的手段就是外带数据了。
利用参数实体，我们能够把需要读取的文件通过一些协议(http ftp等)发送到我们的服务器上，那么通过日志查看就能获取数据了 我们可以这么构造
%dtd;]> &send;
然后在我们可控的http://example.com/
放置如下DTD
%all;
流程如下
Win10最新版官方下载/Win10安装图文教程
XXE的奇门遁甲
基于XInclude的文件包含
XInclude提供了一种较为方便的取回数据的思路(再也不用担心数据不完整而导致parser抛出一个错误)而我们能够通过parse属性，强制引用文件的类型。
不过Xinclude需要手动开启，测试发现所有xml parser都默认关闭这一特性。
拒绝服务
XXE攻击也能用来发起拒绝服务攻击
如下的递归引用，从下至上以指数形式增多
]> &lol9;
回忆一下解析过程，当XML处理器载入这个文档的时候，它会包含根元素，而里面定义了实体&lol9 ，而19实体扩展成了包含了“&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;”这个字符串。
如此递归上去，压入内存的东西呈指数增长，实验发现，一个小于1KB的XML攻击payload能消耗3GB的内存。
特定环境下的攻击和限制
Java&Xerces
默认的Oracle's Java Runtime Environment下的XML parser是Xerces，一个apache的项目。而Xerces和Java提供了一系列的特性，这些特性又能导致一些严重的安全问题。上述的那些攻击手法(DOCTYPEs for SSRF,文件读取,参数实体的外带数据)在java的默认配置下能够运用自如,java/Xerces也支持XInclude 但是需要setXIncludeAware(true) 和setNamespaceAware(true)。
java规范能够支持如下的URL机制
http
https
ftp
file
jar
令人吃惊的是Java的file协议能够用来列目录，比如说，在linux下面“file:///”会列出/目录下所有东西：
bin
boot
dev
etc
home
...
jar协议jar:http://host/application.jar!/file/within/the/zip会导致服务器首先取得文件然后解压这个以jar开头!结尾的包 并提取后面的文件。从攻击者的角度看，完全能够定制一些高压缩比的包(比如1000：1)这些ZIP炸弹能用来攻击反病毒系统，或者用来消耗目标机的硬盘/内存资源。注意，jar URLs能在任何接受DOCTYPE定义的JAVA Xerces系统上使用。所以，即使外部实体关闭了，还是能够进行攻击。
php&expect的RCE
很遗憾，这个扩展并不是默认安装的，然而安装了这个扩展的XXE漏洞，是能够执行任意命令。
]>
&cmd;
那么就会返回如下
uid=501(Apple) gid=20(staff) groups=20(staff),501(access_bpf),12(everyone),61(localaccounts),79(_appserverusr),80(admin),81(_appserveradm),
98(_lpadmin),401(com.apple.sharepoint.group.1),33(_appstore),100(_lpoperator),204(_developer),
398(com.apple.access_screensharing),399(com.apple.access_ssh)
xml注入
这个和xxe攻击关系并不大，但是本文讨论的是XML安全，所以这个自然也就收录进来
$GLOBALS["HTTP_RAW_POST_DATA"]在php中被设置成了“不转义”，一旦程序通过实体获取数据后，直接带入了Mysql最后造成注入
案例如下
WooYun: PHPYUN最新版XML注入及SQL注入获取管理员账号(无视任何防御)
0x03 总结
XXE攻击总在被忽视
开发者往往说：
攻击威胁小..
关闭实体就能完全避免...
XML实体攻击是啥?
然而，xml实体攻击再上述的攻击中已然产生了很多出乎开发者意料的威胁。
