最近哈希表碰撞攻擊（Hashtable collisions as DOS attack）的話題不斷被提起，各種語言紛紛中招。本文結(jié)合PHP內(nèi)核源碼，聊一聊這種攻擊的原理及實(shí)現(xiàn)。

哈希表是一種查找效率極高的數(shù)據(jù)結(jié)構(gòu)，很多語言都在內(nèi)部實(shí)現(xiàn)了哈希表。PHP中的哈希表是一種極為重要的數(shù)據(jù)結(jié)構(gòu)，不但用于表示Array數(shù)據(jù)類型，還在Zend虛擬機(jī)內(nèi)部用于存儲(chǔ)上下文環(huán)境信息（執(zhí)行上下文的變量及函數(shù)均使用哈希表結(jié)構(gòu)存儲(chǔ)）。

理想情況下哈希表插入和查找操作的時(shí)間復(fù)雜度均為O(1)，任何一個(gè)數(shù)據(jù)項(xiàng)可以在一個(gè)與哈希表長度無關(guān)的時(shí)間內(nèi)計(jì)算出一個(gè)哈希值（key），然后在常量時(shí)間內(nèi)定位到一個(gè)桶（術(shù)語bucket，表示哈希表中的一個(gè)位置）。當(dāng)然這是理想情況下，因?yàn)槿魏喂１淼拈L度都是有限的，所以一定存在不同的數(shù)據(jù)項(xiàng)具有相同哈希值的情況，此時(shí)不同數(shù)據(jù)項(xiàng)被定為到同一個(gè)桶，稱為碰撞（collision）。哈希表的實(shí)現(xiàn)需要解決碰撞問題，碰撞解決大體有兩種思路，第一種是根據(jù)某種原則將被碰撞數(shù)據(jù)定為到其它桶，例如線性探測(cè)——如果數(shù)據(jù)在插入時(shí)發(fā)生了碰撞，則順序查找這個(gè)桶后面的桶，將其放入第一個(gè)沒有被使用的桶；第二種策略是每個(gè)桶不是一個(gè)只能容納單個(gè)數(shù)據(jù)項(xiàng)的位置，而是一個(gè)可容納多個(gè)數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)（例如鏈表或紅黑樹），所有碰撞的數(shù)據(jù)以某種數(shù)據(jù)結(jié)構(gòu)的形式組織起來。

不論使用了哪種碰撞解決策略，都導(dǎo)致插入和查找操作的時(shí)間復(fù)雜度不再是O(1)。以查找為例，不能通過key定位到桶就結(jié)束，必須還要比較原始key（即未做哈希之前的key）是否相等，如果不相等，則要使用與插入相同的算法繼續(xù)查找，直到找到匹配的值或確認(rèn)數(shù)據(jù)不在哈希表中。

PHP是使用單鏈表存儲(chǔ)碰撞的數(shù)據(jù)，因此實(shí)際上PHP哈希表的平均查找復(fù)雜度為O(L)，其中L為桶鏈表的平均長度；而最壞復(fù)雜度為O(N)，此時(shí)所有數(shù)據(jù)全部碰撞，哈希表退化成單鏈表。下圖PHP中正常哈希表和退化哈希表的示意圖。

哈希表碰撞攻擊就是通過精心構(gòu)造數(shù)據(jù)，使得所有數(shù)據(jù)全部碰撞，人為將哈希表變成一個(gè)退化的單鏈表，此時(shí)哈希表各種操作的時(shí)間均提升了一個(gè)數(shù)量級(jí)，因此會(huì)消耗大量CPU資源，導(dǎo)致系統(tǒng)無法快速響應(yīng)請(qǐng)求，從而達(dá)到拒絕服務(wù)攻擊（DoS）的目的。

可以看到，進(jìn)行哈希碰撞攻擊的前提是哈希算法特別容易找出碰撞，如果是MD5或者SHA1那基本就沒戲了，幸運(yùn)的是（也可以說不幸的是）大多數(shù)編程語言使用的哈希算法都十分簡單（這是為了效率考慮），因此可以不費(fèi)吹灰之力之力構(gòu)造出攻擊數(shù)據(jù)。下一節(jié)將通過分析Zend相關(guān)內(nèi)核代碼，找出攻擊哈希表碰撞攻擊PHP的方法。

PHP中使用一個(gè)叫Backet的結(jié)構(gòu)體表示桶，同一哈希值的所有桶被組織為一個(gè)單鏈表。哈希表使用HashTable結(jié)構(gòu)體表示。相關(guān)源碼在zend/Zend_hash.h下：

typedef struct bucket { ulong h;/* Used for numeric indexing */ uint nKeyLength; void *pData; void *pDataPtr; struct bucket *pListNext; struct bucket *pListLast; struct bucket *pNext; struct bucket *pLast; char arKey[1]; /* Must be last element */} Bucket;typedef struct _hashtable { uint nTableSize; uint nTableMask; uint nNumOfElements; ulong nNextFreeElement; Bucket *pInternalPointer; /* Used for element traversal */ Bucket *pListHead; Bucket *pListTail; Bucket **arBuckets; dtor_func_t pDestructor; zend_bool persistent; unsigned char nApplyCount; zend_bool bApplyProtection;#if ZEND_DEBUG int inconsistent;#endif} HashTable;

字段名很清楚的表明其用途，因此不做過多解釋。重點(diǎn)明確下面幾個(gè)字段：Bucket中的“h”用于存儲(chǔ)原始key；HashTable中的nTableMask是一個(gè)掩碼，一般被設(shè)為nTableSize – 1，與哈希算法有密切關(guān)系，后面討論哈希算法時(shí)會(huì)詳述；arBuckets指向一個(gè)指針數(shù)組，其中每個(gè)元素是一個(gè)指向Bucket鏈表的頭指針。

哈希算法：PHP哈希表最小容量是8（2^3），最大容量是0×80000000（2^31），并向2的整數(shù)次冪圓整（即長度會(huì)自動(dòng)擴(kuò)展為2的整數(shù)次冪，如13個(gè)元素的哈希表長度為16；100個(gè)元素的哈希表長度為128）。nTableMask被初始化為哈希表長度（圓整后）減1。具體代碼在zend/Zend_hash.c的_zend_hash_init函數(shù)中，這里截取與本文相關(guān)的部分并加上少量注釋。

ZEND_API int _zend_hash_init(HashTable *ht, uint nSize, hash_func_t pHashFunction, dtor_func_t pDestructor, zend_bool persistent ZEND_FILE_LINE_DC){ uint i = 3; Bucket **tmp; SET_INCONSISTENT(HT_OK); //長度向2的整數(shù)次冪圓整 if (nSize >= 0x80000000) {/* prevent overflow */ht->nTableSize = 0x80000000; } else {while ((1U << i) < nSize) { i++;}ht->nTableSize = 1 << i; } ht->nTableMask = ht->nTableSize - 1; /*此處省略若干代碼…*/ return SUCCESS;}

值得一提的是PHP向2的整數(shù)次冪取圓整方法非常巧妙，可以背下來在需要的時(shí)候使用。

Zend HashTable的哈希算法很簡單：hash(key)=key&nTableMask

即簡單將數(shù)據(jù)的原始key與HashTable的nTableMask進(jìn)行按位與即可。如果原始key為字符串，則首先使用Times33算法將字符串轉(zhuǎn)為整形再與nTableMask按位與：hash(strkey)=time33(strkey)&nTableMask

下面是Zend源碼中查找哈希表的代碼：

ZEND_API int zend_hash_index_find(const HashTable *ht, ulong h, void **pData){ uint nIndex; Bucket *p; IS_CONSISTENT(ht); nIndex = h & ht->nTableMask; p = ht->arBuckets[nIndex]; while (p != NULL) {if ((p->h == h) && (p->nKeyLength == 0)) { *pData = p->pData; return SUCCESS;}p = p->pNext; } return FAILURE;}ZEND_API int zend_hash_find(const HashTable *ht, const char *arKey, uint nKeyLength, void **pData){ ulong h; uint nIndex; Bucket *p; IS_CONSISTENT(ht); h = zend_inline_hash_func(arKey, nKeyLength); nIndex = h & ht->nTableMask; p = ht->arBuckets[nIndex]; while (p != NULL) {if ((p->h == h) && (p->nKeyLength == nKeyLength)) { if (!memcmp(p->arKey, arKey, nKeyLength)) {*pData = p->pData;return SUCCESS; }}p = p->pNext; } return FAILURE;}

其中zend_hash_index_find用于查找整數(shù)key的情況，zend_hash_find用于查找字符串key。邏輯基本一致，只是字符串key會(huì)通過zend_inline_hash_func轉(zhuǎn)為整數(shù)key，zend_inline_hash_func封裝了times33算法，具體代碼就不貼出了。

知道了PHP內(nèi)部哈希表的算法，就可以利用其原理構(gòu)造用于攻擊的數(shù)據(jù)。一種最簡單的方法是利用掩碼規(guī)律制造碰撞。上文提到Zend HashTable的長度nTableSize會(huì)被圓整為2的整數(shù)次冪，假設(shè)我們構(gòu)造一個(gè)2^16的哈希表，則nTableSize的二進(jìn)制表示為：1 0000 0000 0000 0000，而nTableMask = nTableSize – 1為：0 1111 1111 1111 1111。接下來，可以以0為初始值，以2^16為步長，制造足夠多的數(shù)據(jù)，可以得到如下推測(cè)：

0000 0000 0000 0000 0000 & 0 1111 1111 1111 1111 = 00001 0000 0000 0000 0000 & 0 1111 1111 1111 1111 = 00010 0000 0000 0000 0000 & 0 1111 1111 1111 1111 = 00011 0000 0000 0000 0000 & 0 1111 1111 1111 1111 = 00100 0000 0000 0000 0000 & 0 1111 1111 1111 1111 = 0……

概況來說只要保證后16位均為0，則與掩碼位于后得到的哈希值全部碰撞在位置0。下面是利用這個(gè)原理寫的一段攻擊代碼：

<?php$size = pow(2, 16);$startTime = microtime(true);$array = array();for ($key = 0, $maxKey = ($size - 1) * $size; $key <= $maxKey; $key += $size) { $array[$key] = 0;}$endTime = microtime(true);echo $endTime - $startTime, ’ seconds’, 'n';?>

這段代碼在我的VPS上（單CPU，512M內(nèi)存）上用了近88秒才完成，并且在此期間CPU資源幾乎被用盡。

而普通的同樣大小的哈希表插入僅用時(shí)0.036秒：

<?php$size = pow(2, 16);$startTime = microtime(true);$array = array();for ($key = 0, $maxKey = ($size - 1) * $size; $key <= $size; $key += 1) { $array[$key] = 0;}$endTime = microtime(true);echo $endTime - $startTime, ’ seconds’, 'n';?>

可以證明第二段代碼插入N個(gè)元素的時(shí)間在O(N)水平，而第一段攻擊代碼則需O(N^2)的時(shí)間去插入N個(gè)元素。

當(dāng)然，一般情況下很難遇到攻擊者可以直接修改PHP代碼的情況，但是攻擊者仍可以通過一些方法間接構(gòu)造哈希表來進(jìn)行攻擊。例如PHP會(huì)將接收到的HTTP POST請(qǐng)求中的數(shù)據(jù)構(gòu)造為$_POST，而這是一個(gè)Array，內(nèi)部就是通過Zend HashTable表示，因此攻擊者只要構(gòu)造一個(gè)含有大量碰撞key的post請(qǐng)求，就可以達(dá)到攻擊的目的。具體做法不再演示。

POST攻擊的防護(hù)：針對(duì)POST方式的哈希碰撞攻擊，目前PHP的防護(hù)措施是控制POST數(shù)據(jù)的數(shù)量。在>=PHP5.3.9的版本中增加了一個(gè)配置項(xiàng)max_input_vars，用于標(biāo)識(shí)一次http請(qǐng)求最大接收的參數(shù)個(gè)數(shù)，默認(rèn)為1000。因此PHP5.3.x的用戶可以通過升級(jí)至5.3.9來避免哈希碰撞攻擊。5.2.x的用戶可以使用這個(gè)patch：http://www.laruence.com/2011/12/30/2440.html。

另外的防護(hù)方法是在Web服務(wù)器層面進(jìn)行處理，例如限制http請(qǐng)求body的大小和參數(shù)的數(shù)量等，這個(gè)是現(xiàn)在用的最多的臨時(shí)處理方案。具體做法與不同Web服務(wù)器相關(guān)，不再詳述。

上面的防護(hù)方法只是限制POST數(shù)據(jù)的數(shù)量，而不能徹底解決這個(gè)問題。例如，如果某個(gè)POST字段是一個(gè)json數(shù)據(jù)類型，會(huì)被PHP json_decode，那么只要構(gòu)造一個(gè)超大的json攻擊數(shù)據(jù)照樣可以達(dá)到攻擊目的。理論上，只要PHP代碼中某處構(gòu)造Array的數(shù)據(jù)依賴于外部輸入，則都可能造成這個(gè)問題，因此徹底的解決方案要從Zend底層HashTable的實(shí)現(xiàn)動(dòng)手。一般來說有兩種方式，一是限制每個(gè)桶鏈表的最長長度；二是使用其它數(shù)據(jù)結(jié)構(gòu)如紅黑樹取代鏈表組織碰撞哈希（并不解決哈希碰撞，只是減輕攻擊影響，將N個(gè)數(shù)據(jù)的操作時(shí)間從O(N^2)降至O(NlogN)，代價(jià)是普通情況下接近O(1)的操作均變?yōu)镺(logN)）。

目前使用最多的仍然是POST數(shù)據(jù)攻擊，因此建議生產(chǎn)環(huán)境的PHP均進(jìn)行升級(jí)或打補(bǔ)丁。至于從數(shù)據(jù)結(jié)構(gòu)層面修復(fù)這個(gè)問題，目前還沒有任何方面的消息。