凭据的保质期:敏感信息泄露挖掘的三代战场
原创
今木安全
今木安全
今木信息安全
2026年11月17日 17:30
上海
去阅读
敏感信息泄露在很多漏洞评级里只算低危或中危,理由是\"没有直接打穿系统\"。这个评级方法有个前提错误:它按泄露的信息量定价,而攻击者按凭据的剩余有效期定价。一个还能登录的数据库口令,比一百页脱敏的业务文档值钱。挖这类漏洞,挖的不是信息,是活着的凭据——验证活性、判断爆炸半径、顺藤摸到纵深,才是完整的挖掘链路。
行业最新一期统计给这个判断提供了量级:某年度公开代码托管平台新增约 2865 万条硬编码凭据,同比增长约 34%;对同一批凭据做复测,数年前确认有效的凭据里仍有约 64% 在收口后依然有效。凭据的\"保质期\"长得超乎直觉,这才是敏感信息泄露被持续低估的根源。
一、价值锚点:按保质期定价,不按信息量定价
1.1 成因只有三类
排除 SQL 注入、越权这类\"安全性缺陷\"直接读走数据的情况,敏感信息泄露的成因收敛到三类:
| 成因 | 典型形态 | 本质 |
|---|---|---|
| 配置错误 | 备份文件可下载、目录列表开放、调试端口暴露 | 部署环节没人负责收尾 |
| 历史遗留 | 迁移后的旧站残留、不再解析的旧代码、废弃接口 | 上线流程没有\"删除\"这一步 |
| 意识不足 | 弱口令、代码托管平台直接传配置文件、外包交付留指纹 | 人把凭据当普通文件处理 |
三类成因的共同点是:没有一个人认为自己在\"泄露信息\"。运维只是留了个备份,开发者只是图省事推了仓库,外包只是交了完整工程。挖掘者的任务就是把这些\"无意识动作\"串成凭据链路。
1.2 活性验证是分诊的唯一锚点
挖出一个疑似凭据,第一动作不是写报告,而是验证它是否还能用。这一步决定整个事件的定性:
• 验证有效 = 事故。按应急流程走:确认访问范围、通知轮换、排查凭据持有期间的日志。
• 验证无效 = 清理项。记录、归档、降级处理。
两种情况的响应成本差一个数量级,而很多团队把它们混在同一个待办列表里,真正的有效凭据被埋没在一堆作废 token 中间。
1.3 删除文件不等于修复
这是最普遍的误解。把含密文件从仓库里删掉,凭据仍然存在于三个位置:
1. 提交历史:版本库的对象库里躺着每一个历史版本,任何有读权限的人都能翻出来。
2. 克隆与分叉:删掉之前的仓库副本已经带走了旧内容,收回副本几乎不可能。
3. 缓存与镜像:搜索引擎快照、依赖代理、CI 构建产物都可能留档。
实测数据:在一批含真实凭据的仓库里,被删除的文件其历史版本中仍然散落着数百组有效凭据,而现存副本里已经找不到它们。结论只有一条——唯一的修复是到凭据签发方轮换或吊销,文件层面的一切操作都是安抚性动作。
二、第一代现场:服务器自己交出来的
最早的敏感信息泄露不需要任何漏洞利用,服务器配置本身就会把文件递出来。
2.1 备份文件的命名规律
网站备份几乎都有固定命名模式,这是字典扫描能生效的原因:
%host%\_(www|\_www|backup|\_backup|...).(zip|rar|7z|gz|tar|...)
%filename%.bak / %filename%.swp / %filename%.sql / %filename%.mdb
除了整站备份包,还有三类高频目标:数据库导出文件(.sql/.mdb/.db)、编辑器或系统残留(.bak/.swp/.orig/.DS\_Store)、配置文件本体(数据库连接串就写在里面)。运维以为改了后缀就没人找到,实际上后缀 fuzz 是最便宜的自动化。
2.2 目录遍历的两个切入点
目录遍历分两种情形:
• 默认首页缺失:目录下没有 index 类文件时,服务器直接列出全部文件。用目录发现工具扫一遍,撞上一个开放目录就可能拿到上传件、导出表、日志文件。
• 敏感功能目录:身份证上传、证件照、发票这类目录的价值最高。配合删除接口测试——删除 URL 里的文件名和后缀是否可遍历、可预测,能不能把别人的文件翻出来。
2.3 后缀 fuzz 直接读源码
一个可直接复用的手法:对动态脚本文件做后缀 fuzz。对 http://target/mail/index.php 这类 URL,在文件名后拼接特殊字符串或追加备份后缀,部分环境下服务器会放弃解析、直接把源码当文本吐出。拿到源码的收益有两层:审计代码找漏洞,以及从配置文件里读凭据。后者才是敏感信息泄露的正主。
2.4 历史遗留站源码裸奔
平台技术栈迁移是最容易出事的时刻。典型形态:站点从 PHP 迁到 ASP.NET,旧站目录被原样保留,但 Web 服务器不再对 .php 后缀做解析——源码直接以纯文本形式可读。同一形态的变体包括:迁移后忘记下线的旧 API 网关、废弃的测试环境、被替换掉的老版本安装包。
第一代现场的排查命令链(以 ffuf 为例,字典用备份文件专用集):
备份文件扫描:后缀与关键词双维度
ffuf -u \"https://target/FUZZ\" -w backup\_files.txt -mc 200 -fs 0 -t 50
后缀 fuzz:对已知脚本文件追加后缀
ffuf -u \"https://target/mail/index.phpFUZZ\" -w suffixes.txt -mc 200,206 -t 20
开放目录确认:看响应是否为目录列表页
ffuf -u \"https://target/FUZZ/\" -w dirs.txt -mc 200 -fr \"404\" -t 50
命中后不要急着交\"文件可下载\",把下载到的内容过一遍:备份包解开看有没有配置文件,SQL 导出看有没有账号表,源码看连接串。同一份素材挖出凭据,漏洞的定性就从\"信息泄露\"升到\"凭据泄露\"。
三、第二代现场:代码托管平台上的
开发者把整个工程推上公开仓库,是过去若干年泄露量最大的单一来源。这类泄露的挖掘方式是检索,不是扫描。
3.1 指纹与检索语法
两条主线:
• 检索语法:用搜索引擎的站点限定加关键词组合,例如 site:github.com intext:password、site:github.com filename:.env、site:pastebin.com \"jdbc:\"。把连接串前缀、云厂商密钥前缀、内部 token 格式逐个试,命中全靠词表质量。
• 指纹定位:很多外包交付的工程留有独特指纹——固定目录结构、特色文件名、甚至注释里的署名。拿指纹反查第三方托管平台,能一次性定位同一交付方的所有项目。外包方安全意识普遍弱于大厂自研,指纹是性价比最高的入口。
3.2 工具的代际更替
早期的开源检索工具(GitMiner、GitPrey 这一代)靠关键词遍历仓库,能找到明文密码但噪声极大。现代工具换成了模式匹配 + 活性验证的两段式:
| 工具 | 定位 | 特点 |
|---|---|---|
| Gitleaks | 提交前钩子 / CI 门禁 | 单二进制、规则可扩展、速度快,适合挡增量 |
| TruffleHog | 全历史深度扫描 | 检测器数量最多,支持对凭据做在线验证,区分\"活着\"与\"已作废\" |
| GitHub Push Protection | 平台级拦截 | 在推送落库之前拦截,免费覆盖公开仓库 |
| detect-secrets | 存量代码库 | 基线机制,先记账存量、只拦新增 |
实战组合是三层叠加:推送保护拦在最前,提交钩子挡增量,全历史扫描清存量。只跑一个工具、只跑一个位置,都会漏。
3.3 扫描器的共同盲区
把十个真实格式的凭据埋进测试仓库做基准测试,四个主流扫描器都找到了\"标准格式\"的密钥(厂商前缀 + 长随机串),也都没误报诱饵。但藏在命令行参数里的口令是集体盲区:
PGPASSWORD=xxxxx psql -h db.internal ...
sshpass -p 'xxxxx' ssh user@host
mysql -uroot -pxxxxx -e \"show databases\"
curl -H \"Authorization: Bearer xxxxx\" https://api.internal/...
这类口令在扫描器眼里就是普通命令行单词——没有厂商前缀、没有高熵特征,四个工具里两个放过、两个漏检。同样的模式出现在一切\"记录执行过程\"的地方:CI 日志、对话记录、笔记文件。针对性检测\"参数位置的口令\"是自家规则必须补的一课,自定义正则一条 TOML 规则就够:
[[rules]]
id = \"cli-password-flag\"
regex = '''(?:PGPASSWORD=|sshpass\s+-p\s+|mysql\s+-p)['\"]?([^\s'\"]{6,})['\"]?'''
3.4 历史删不掉,内部比公开更危险
两个常被忽视的事实:
• 内部仓库更脏:实测统计里,内部仓库出现硬编码凭据的概率约为公开仓库的 6 倍。\"内部仓库不对外\"不是安全属性,是访问控制假设;一旦某个开发者机器失陷、某个 CI token 外流,内部仓库就是第一现场。
• 历史副本更全:即使现存副本里已经找不到某凭据,它在历史版本和分叉副本里依然完整(1.3 的机制在批量场景下的量级:单这一项就数以百计)。
四、第三代现场:AI 代理交出来的
AI 编码代理普及之后,敏感信息泄露多了一个全新的主体:代理自己。它读得到凭据、写得了文件、发得出请求,而它对\"这是秘密\"没有概念。
4.1 配置文件成为新载体
两个已量化的形态:
• MCP 配置文件:代理工具的配置文件(如 .mcp.json)里内联写 API key 是常见做法——为了让工具能跑通,开发者把密钥直接粘进去然后提交。实测扫描发现单类配置文件就暴露了 2.4 万余个密钥,其中数千个验证有效。
• 代理的\"白名单\"文件:编码代理会生成\"不要再问\"式的授权清单文件,开发者按\"允许\"越久,文件里积累的真实凭据越多。专项研究扫了十万余份这类文件,找到的两千多组真实凭据分布在近两千个仓库里,首次入库时间的中位数超过半年。分叉会把它复制走,删除也救不回来(历史里还躺着几百组)。
通用扫描器对这类文件的检出率不完整:十份含真实凭据的文件里,两个主流工具各自漏掉三到四成,共同漏掉近两成。原因还是 3.3 的盲区——代理把口令写进命令行参数和记忆文件,而扫描器只认密钥格式。
4.2 代理被当枪使
如果泄露方是人,堵点是权限和意识;如果泄露方是代理,堵点变成了指令通道。已公开的攻击手法有三层:
1. 恶意 MCP 服务器:供应链攻击已在现实中出现——一批恶意包给 AI 编码工具安装流氓 MCP 服务器,第一阶段窃取凭据,延迟数十小时激活第二阶段做深度收割。内置的注入模块直接指示代理去读 SSH 密钥、云凭据、token 文件和环境文件,一次覆盖多家大模型服务商的 API key。
2. 污染数据源(指令拆分):代理常被配置去读错误监控、工单、日志这类外部数据源。攻击者向这些数据源投毒,把恶意指令拆成碎片藏进看似正常的日志消息里,规避安全过滤。代理解析数据时把指令当任务执行——读 .env、发到外部服务器,全程无人知情。入口成本极低:很多错误监控的数据收集端点直接写在前端代码里,谁都能往里灌数据。
3. 高权限 token 的连带风险:给代理配个人访问令牌、且令牌横跨公开与私有仓库时,一条恶意的工单或评论就能指挥代理把私有仓库内容交出去。根因不是代理笨,是令牌权限远超任务需要。
4.3 模型自己记住的
微调是另一个泄露面:用含硬编码凭据的内部代码库微调模型,模型会把连接串、私钥逐字背下来,相关上下文一引就吐。公开语料同样有毒——对大规模网页存档做安全扫描,单批次就能找出上万条仍然有效的凭据,某个 API key 在上千个子域名上重复出现。模型从这种语料里学到的不是\"什么是密钥\",而是\"密钥长这样、这么用\",生成的代码会复刻这些不安全模式。
配套的低级错误:让大模型生成密码。安全研究实测,主流模型生成的 16 位密码实际熵只有约 27 比特(真随机同长度约 98 比特),模式高度可预测,几小时即可暴力破解——而且这些带明显模式的密码已经出现在公开仓库里。
4.4 框架层的洞
代理生态的框架漏洞直接把\"凭据外泄\"变成一句话触发:
• CVE-2025-68664(LangChain Core 序列化注入,CVSS 9.3):单条提示即可触发带环境变量的类实例化,把含密环境变量带出去。
• CVE-2025-3248(Langflow 未授权 RCE,CVSS 9.8):代码校验接口无鉴权直接执行,已有大规模在野利用。
三代战场的形态差异如下:
| 第一代 | 第二代 | 第三代 | |
|---|---|---|---|
| 现场 | 目标服务器自身 | 代码托管/协作平台 | AI 代理的文件系统与工具链 |
| 入口 | 备份文件、开放目录、后缀 fuzz | 检索语法、指纹定位 | 配置文件、指令投毒、供应链 |
| 载体 | .bak/.sql/旧站源码 | 仓库历史、CI 日志 | .mcp.json、授权清单、记忆文件 |
| 放大器 | 字典扫描 | 全网检索 | 代理自动化 + 延迟激活 |
| 修复 | 删文件(无效) | 删提交(无效) | 删文件(无效)+ 权限收缩 |
五、AI 介入:攻防两侧
5.1 攻击侧:门槛塌了,但有天花板
AI 把敏感信息挖掘从\"手艺活\"变成了\"流水线\",四个环节全部受益:
• 字典与模式生成:备份文件命名、内部 token 格式这些原本靠经验积累的词表,让模型按目标技术栈批量生成,覆盖率显著高于通用字典。
• 检索组合:检索语法的排列组合、按指纹扩展变体,模型生成几百条候选的成本约等于零。
• 代理化收割:最短的攻击链现在是\"一条恶意指令 → 代理自己读文件自己外发\",攻击者不需要在目标网络里有任何落点。
• 报告自动化:连复现步骤和风险描述都能生成,批量提交的成本压到极低——这对防守方是真实的运营压力(大量低质报告淹没有效线索)。
但活性验证无法伪造。扫出一万个疑似密钥,真正值钱的是那几十个验证有效的。验证请求会被限流、被风控拦截,这一段依然需要耐心和路子。AI 让\"找到\"变便宜,\"确认还活着\"因此成为新的瓶颈——防守方应该把资源压到这一段上。
5.2 防御侧:把\"生成\"变成\"拦截\"
防御侧的 AI 介入分三档:
• 前置拦截(最有效):平台级推送保护 + 提交钩子,在凭据落库前拦下。漏检率低、零运维,属于\"开了就不用管\"的一档。
• 存量分诊:全历史扫描配合活性验证做分流——\"验证有效\"直接进应急,\"验证失败\"进清理队列。模型辅助给每条告警补充上下文(哪个服务的凭据、权限多大、影响哪个环境),把分诊时间从小时压到分钟。
• 生成侧管控:代理生成的代码在提交前过凭据检查;代理配置里的密钥一律引用环境变量或密钥管理服务,代理生成的代码应该引用凭据,绝不应该包含凭据。密钥管理服务(Vault、云厂商 Secret Manager 这一类)提供动态凭据和自动轮换,从根上消灭\"长期有效密钥\"这个物种。
5.3 不对称的根源
攻防两侧的不对称来自一个结构性事实:攻击者只需要一条活凭据,防守方要守住全部凭据的全生命周期。签发、使用、存储、轮换、吊销,任何一环松了就前功尽弃。所以防御的重心不是\"扫得更全\",而是缩短凭据的保质期——短时效凭据加自动轮换,泄露的价值窗口就从\"数年\"压到\"数小时\",前面三代战场挖出来的东西会大面积作废。
六、排查与修复:按四条线收口
6.1 四条排查线
| 排查线 | 检查点 | 工具形态 |
|---|---|---|
| 服务器线 | 备份文件、开放目录、后缀残影、迁移遗留站 | 目录/后缀字典扫描 |
| 托管线 | 仓库历史、CI 日志、gist、内部仓库 | 全历史扫描 + 活性验证 |
| 代理线 | MCP 配置文件、授权清单、记忆文件、代理生成代码 | 定向规则扫描 |
| 框架线 | 代理框架与编排组件的已知洞 | 版本比对 + 补丁跟踪 |
排查顺序按利用成本排:服务器线最低,代理线是当前红利期,托管线量最大,框架线爆发力最强。四条线扫完之后,把所有命中的凭据拉一张表,按\"验证有效 / 已失效 / 无法验证\"三列分诊。
6.2 轮换与作废
分诊结果的处置只有一套动作:
1. 验证有效 → 立即到签发方轮换或吊销,同时查该凭据持有期的调用日志,确认是否已被使用。
2. 已失效 → 记录归档,检查是否被替换成新的长期密钥(如果是,新密钥同样进入轮换计划)。
3. 无法验证 → 按有效处理。不确定不是缓刑理由。
配套把密钥管理服务铺开:动态签发、短时效、自动轮换,应用侧只持有引用。凭据的保质期越短,泄露的杀伤半径越小。
6.3 人的那条线
配置错误和意识不足都指向同一件事:把凭据当敏感数据对待的规矩没有落到日常动作里。三条规矩值得写进规范并定期抽检:
• 禁止把凭据写进代码、配置、命令行参数——一律走环境变量或密钥管理服务引用。
• 交付与外包的工程必须过一遍凭据扫描再入库,外包指纹定期反查托管平台。
• 定期培训不讲\"安全很重要\",只讲本组织真实发生过的泄露形态和一分钟自查动作(比如提交前看一眼 diff 里有没有连接串)。
技术手段负责把疏忽挡在库外,习惯问题只能靠规矩和抽检解决。检验标准可以定得很具体:新员工入职第一周的提交里,不会出现任何一个明文口令。
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。









评论