儘管現在呼籲所有的程序都使用unicode編碼，所有的網站都使用utf-8編碼，來一個統一的國際規範。但仍然有很多，包括國內及國外（特別是非英語國家）的一些cms，仍然使用着自己國家的一套編碼，比如gbk，作爲自己默認的編碼類型。也有一些cms爲了考慮老用戶，所以出了gbk和utf-8兩個版本。
我們就以gbk字符編碼爲示範，拉開帷幕。gbk是一種多字符編碼，具體定義自行百度。但有一個地方尤其要注意：
通常來說，一個gbk編碼漢字，佔用2個字節。一個utf-8編碼的漢字，佔用3個字節。在php中，我們可以通過輸出
echo strlen("和");
來測試。當將頁面編碼保存爲gbk時輸出2，utf-8時輸出3。
除了gbk以外，所有ANSI編碼都是2個字節。ansi只是一個標準，在不用的電腦上它代表的編碼可能不相同，比如簡體中文系統中ANSI就代表是GBK。
以上是一點關於多字節編碼的小知識，只有我們足夠了解它的組成及特性以後，才能更好地去分析它身上存在的問題。
說了這麼多廢話，現在來研究一下在SQL注入中，字符編碼帶來的各種問題。
0×01 MYSQL中的寬字符注入
這是一個老話題了，也被人玩過無數遍。但作爲我們這篇文章的序幕，也是基礎，是必須要提的。
我們先搭建一個實驗環境。暫且稱之爲phithon內容管理系統v1.0，首先先新建一個數據庫，把如下壓縮包中的sql文件導入：
測試代碼及數據庫：http://pan.baidu.com/s/1eQmUArw 提取密碼:75tu
之後的phithon內容管理系統會逐步完善，但會一直使用這個數據表。
源碼很簡單（注意先關閉自己php環境的magic_quotes_gpc）：
<?php //連接數據庫部分，注意使用了gbk編碼，把數據庫信息填寫進去 $conn = mysql_connect('localhost', 'root', 'toor!@#$') or die('bad!'); mysql_query("SET NAMES 'gbk'"); mysql_select_db('test', $conn) OR emMsg("連接數據庫失敗，未找到您填寫的數據庫"); //執行sql語句 $id = isset($_GET['id']) ? addslashes($_GET['id']) : 1; $sql = "SELECT * FROM news WHERE tid='{$id}'"; $result = mysql_query($sql, $conn) or die(mysql_error()); //sql出錯會報錯，方便觀察 ?> <!DOCTYPE html> <html> <head> <meta charset="gbk" /> <title>新聞</title> </head> <body> <?php $row = mysql_fetch_array($result, MYSQL_ASSOC); echo "<h2>{$row['title']}</h2><p>{$row['content']}<p>\n"; mysql_free_result($result); ?> </body> </html>
SQL語句是SELECT * FROM news WHERE tid='{$id}'，就是根據文章的id把文章從news表中取出來。
在這個sql語句前面，我們使用了一個addslashes函數，將$id的值轉義。這是通常cms中對sql注入進行的操作，只要我們的輸入參數在單引號中，就逃逸不出單引號的限制，無法注入，如下圖：
那麼怎麼逃過addslashes的限制？衆所周知addslashes函數產生的效果就是，讓'變成\'，讓引號變得不再是“單引號”，只是一撇而已。一般繞過方式就是，想辦法處理\'前面的\：
1.想辦法給\前面再加一個\（或單數個即可），變成\\'，這樣\被轉義了，'逃出了限制
2.想辦法把\弄沒有。
我們這裏的寬字節注入是利用mysql的一個特性，mysql在使用GBK編碼的時候，會認爲兩個字符是一個漢字（前一個ascii碼要大於128，纔到漢字的範圍）。如果我們輸入%df'看會怎樣：
我們可以看到，已經報錯了。我們看到報錯，說明sql語句出錯，看到出錯說明可以注入了。
爲什麼從剛纔到現在，只是在'也就是%27前面加了一個%df就報錯了？而且從圖中可以看到，報錯的原因就是多了一個單引號，而單引號前面的反斜槓不見了。
這就是mysql的特性，因爲gbk是多字節編碼，他認爲兩個字節代表一個漢字，所以%df和後面的\也就是%5c變成了一個漢字“運”，而'逃逸了出來。
因爲兩個字節代表一個漢字，所以我們可以試試%df%df%27：
不報錯了。因爲%df%df是一個漢字，%5c%27不是漢字，仍然是\'。
那麼mysql怎麼判斷一個字符是不是漢字，根據gbk編碼，第一個字節ascii碼大於128，基本上就可以了。比如我們不用%df，用%a1也可以：
%a1%5c他可能不是漢字，但一定會被mysql認爲是一個寬字符，就能夠讓後面的%27逃逸了出來。
於是我可以構造一個exp出來，查詢管理員賬號密碼：
0×02 GB2312與GBK的不同
曾經有一個問題一直困擾我很久。
gb2312和gbk應該都是寬字節家族的一員。但我們來做個小實驗。把phithon內容管理系統中set names修改成gb2312:
結果就是不能注入了：
有些同學不信的話，也可以把數據庫編碼也改成gb2312，也是不成功的。
爲什麼，這歸結於gb2312編碼的取值範圍。它的高位範圍是0xA1~0xF7，低位範圍是0xA1~0xFE，而\是0x5c，是不在低位範圍中的。所以，0x5c根本不是gb2312中的編碼，所以自然也是不會被吃掉的。
所以，把這個思路擴展到世界上所有多字節編碼，我們可以這樣認爲：只要低位的範圍中含有0x5c的編碼，就可以進行寬字符注入。
0×03 mysql_real_escape_string解決問題？
部分cms對寬字節注入有所瞭解，於是尋求解決方案。在php文檔中，大家會發現一個函數，mysql_real_escape_string，文檔裏說了，考慮到連接的當前字符集。
於是，有的cms就把addslashes替換成mysql_real_escape_string，來抵禦寬字符注入。我們繼續做試驗，phithon內容管理系統v1.2:，就用mysql_real_escape_string來過濾輸入：
我們來試試能不能注入：
一樣沒壓力注入。爲什麼，明明我用了mysql_real_escape_string，但卻仍然不能抵禦寬字符注入。
原因就是，你沒有指定php連接mysql的字符集。我們需要在執行sql語句之前調用一下mysql_set_charset函數，設置當前連接的字符集爲gbk。
就可以避免這個問題了：
0×04 寬字符注入的修復
在3中我們說到了一種修復方法，就是先調用mysql_set_charset函數設置連接所使用的字符集爲gbk，再調用mysql_real_escape_string來過濾用戶輸入。
這個方式是可行的，但有部分老的cms，在多處使用addslashes來過濾字符串，我們不可能去一個一個把addslashes都修改成mysql_real_escape_string。我們第二個解決方案就是，將character_set_client設置爲binary（二進制）。
只需在所有sql語句前指定一下連接的形式是二進制：
SET character_set_connection=gbk, character_set_results=gbk,character_set_client=binary
這幾個變量是什麼意思？
當我們的mysql接受到客戶端的數據後，會認爲他的編碼是character_set_client，然後會將之將換成character_set_connection的編碼，然後進入具體表和字段後，再轉換成字段對應的編碼。
然後，當查詢結果產生後，會從表和字段的編碼，轉換成character_set_results編碼，返回給客戶端。
所以，我們將character_set_client設置成binary，就不存在寬字節或多字節的問題了，所有數據以二進制的形式傳遞，就能有效避免寬字符注入。
比如，我們的phithon內容管理系統v2.0版本更新如下：
已經不能夠注入了：
在我審計過的代碼中，大部分cms是以這樣的方式來避免寬字符注入的。這個方法可以說是有效的，但如果開發者畫蛇添足地增加一些東西，會讓之前的努力前功盡棄。
0×05 iconv導致的致命後果
很多cms，不止一個，我就不提名字了，他們的gbk版本都存在因爲字符編碼造成的注入。但有的同學說，自己測試了這些cms的寬字符注入，沒有效果呢，難道是自己姿勢不對？
當然不是。實際上，這一章說的已經不再是寬字符注入了，因爲問題並不是出在mysql上，而是出在php中了。
很多cms（真的很多哦，不信大家自己網上找找）會將接收到數據，調用這樣一個函數，轉換其編碼：
iconv('utf-8', 'gbk', $_GET['word']);
目的一般是爲了避免亂碼，特別是在搜索框的位置。
比如我們的phithon內容管理系統v3.0
我們可以看到，它在sql語句執行前，將character_set_client設置成了binary，所以可以避免寬字符注入的問題。但之後其調用了iconv將已經過濾過的參數$id給轉換了一下。
那我們來試試此時能不能注入：
居然報錯了。說明可以注入。而我只是輸入了一個錦'。這是什麼原因？
我們來分析一下。“錦“這個字，它的utf-8編碼是0xe98ca6，它的gbk編碼是0xe55c。
有的同學可能就領悟了。\的ascii碼正是5c。那麼，當我們的錦被iconv從utf-8轉換成gbk後，變成了%e5%5c，而後面的'被addslashes變成了%5c%27，這樣組合起來就是%e5%5c%5c%27，兩個%5c就是\，正好把反斜槓轉義了，導致’逃逸出單引號，產生注入。
這正利用了我之前說的，繞過addslashes的兩種方式的第一種：將\轉義掉。
那麼，如果我是用iconv將gbk轉換成utf-8呢？
我們來試試：
果然又成功了。這次直接用寬字符注入的姿勢來的，但實際上問題出在php而不是mysql。我們知道一個gbk漢字2字節，utf-8漢字3字節，如果我們把gbk轉換成utf-8，則php會每兩個字節一轉換。所以，如果\'前面的字符是奇數的話，勢必會吞掉\，'逃出限制。
那麼爲什麼之前utf-8轉換成gbk的時候，沒有使用這個姿勢？
這跟utf-8的規則有關，UTF-8的編碼規則很簡單，只有二條：
1）對於單字節的符號，字節的第一位設爲0，後面7位爲這個符號的unicode碼。因此對於英語字母，UTF-8編碼和ASCII碼是相同的。 2）對於n字節的符號（n>1），第一個字節的前n位都設爲1，第n+1位設爲0，後面字節的前兩位一律設爲10。剩下的沒有提及的二進制位，全部爲這個符號的unicode碼。
從2我們可以看到，對於多字節的符號，其第2、3、4字節的前兩位都是10，也就是說，\（0x0000005c）不會出現在utf-8編碼中，所以utf-8轉換成gbk時，如果有\則php會報錯：
但因爲gbk編碼中包含了\，所以仍然可以利用，只是利用方式不同罷了。
總而言之，在我們處理了mysql的寬字符注入以後，也別認爲就可以高枕無憂了。調用iconv時千萬要小心，避免出現不必要的麻煩。
0×06 總結
在逐漸國際化的今天，推行utf-8編碼是大趨勢。如果就安全性來說的話，我也覺得使用utf-8編碼能夠避免很多多字節造成的問題。
不光是gbk，我只是習慣性地把gbk作爲一個典型的例子在文中與大家說明。世界上的多字節編碼有很多，特別是韓國、日本及一些非英語國家的cms，都可能存在由字符編碼造成的安全問題，大家應該有擴展性的思維。
總結一下全文中提到的由字符編碼引發的安全問題及其解決方案：
- gbk編碼造成的寬字符注入問題，解決方法是設置character_set_client=binary。
- 矯正人們對於mysql_real_escape_string的誤解，單獨調用
set names gbk和mysql_real_escape_string是無法避免寬字符注入問題的。還得調用mysql_set_charset來設置一下字符集。 - 謹慎使用iconv來轉換字符串編碼，很容易出現問題。只要我們把前端html/js/css所有編碼設置成gbk，mysql/php編碼設置成gbk，就不會出現亂碼問題。不用畫蛇添足地去調用iconv轉換編碼，造成不必要的麻煩。
這篇文章是我對於自己白盒審計經驗的一點小總結，但自己確實在很多方面存在欠缺，文中所提到的姿勢難免存在紕漏和錯誤，希望有相同愛好的同學能與我指出，共同進步。
這篇文章不像上篇xss的，能夠舉出很多0day實例來論證寬字符造成的危害。原因有二：
- 寬字符問題確實不如富文本xss那麼普遍，gbk編碼的cms所佔的比例也比較小，怪我才疏學淺，並不能每一章都找到相應的實例。
- 注入的危害比xss大得多，如果作爲0day發出來，影響很壞。但我確實在寫文章以及以前的審計過程中找到不少cms存在的編碼問題。
所以我用實驗的形式，自己寫了的php小文件，給大家作爲例子，希望不會因爲例證的不足，影響大家學習的效果。
例子php文件和sql文件打包下載：
鏈接:http://pan.baidu.com/s/1eQmUArw 提取密碼:75tu
本文PDF版本：鏈接: http://pan.baidu.com/s/1eprLs 密碼: yoyw
原文鏈接：
https://www.leavesongs.com/PENETRATION/mutibyte-sql-inject.html