Статистика уязвимостей web-приложений за 2008 год

Введение

Консорциум  Web Application Security Consortium (WASC) представляет статистику уязвимостей Web-приложений за 2008 год (WASC Web Application Security Statistics Project 2008) и выражает благодарность следующим экспертам и компаниям, внесшим свой вклад в развитие проекта:
Sergey Gordeychik* (POSITIVE TECHNOLOGIES)
Jeremiah Grossman (WHITEHAT SECURITY)
Mandeep Khera (CENZIC)
Matt Latinga (HP APPLICATION SECURITY CENTER)
Chris Wysopal (VERACODE)
Shreeraj Shah (BLUEINFY)
Lawson Lee (dns)
Campbell Murray (ENCRIPTION LIMITED)
Dmitry Evteev (POSITIVE TECHNOLOGIES)
*Project Leader

Методика

Данная публикация содержит обзорную статистику уязвимостей Web-приложений, полученную в ходе работ по тестированиям на проникновение, аудитов безопасности и других работ, проводимых Компаниями, входящими в консорциум WASC в 2008 году. Всего статистика содержит данные о 12186 сайтах, в которых было обнаружено 97554 уязвимости различной степени риска.
В результате собранных данных было получено 4 набора данных:

• суммарная статистика по всем видам работ;
• статистика по автоматическому сканированию;
• статистика по оценке защищенности методом черного ящика;
• статистика по оценке защищенности методом белого ящика.

Данные автоматического сканирования содержат информацию по полностью автоматизированному сканированию без предварительной настройки (со стандартным профилем) сайтов хостинг-провайдера. При анализе этой информации следует учитывать, что далеко не все сайты используют интерактивные элементы. Кроме того, дополнительная экспертная настройка сканера под конкретное Web-приложение позволяет существенно повысить эффективность обнаружения уязвимостей.

Статистика по оценке защищенности методом черного ящика содержит результаты работ по ручному и автоматизированному анализу Web-приложений, без предварительного получения какой либо информации об исследуемом приложении. Как правило, такие работы включают сканирование с предварительными настройками и ручной поиск уязвимостей недоступных автоматическим сканерам.

Статистика по оценке защищенности методом белого ящика содержит результаты работ по наиболее глубокому анализу Web-приложений. Такие работы включают в себя анализ приложения от имени авторизованного пользователя и анализ исходных кодов, помимо всех тех проверок, которые выполняются при обследовании приложения методом черного ящика.

Обнаруженные уязвимости классифицировались согласно Web Application Security Consortium Web Security Threat Classification (WASC WSTCv2). Критичность уязвимости, оценивалась согласно CVSSv2 (Common Vulnerability Scoring System version 2) с дальнейшим приведением к степеням риска стандарта по защите информации в индустрии платежных карт PCI DSS (Payment Card Industry Data Security Standard) согласно методике (Приложение 1).

Резюме

Всего в представленную статистику вошли данные по 12186 Web-приложениям, в которых было обнаружено 97554 уязвимости различной степени риска. Анализ полученных данных показывает, что более 13% (Web-приложения, содержащие уязвимости Brute Force Attack, Buffer Overflow, OS Commanding, Path Traversal, Remote File Inclusion, SSI Injection, Session Fixation, SQL Injection, Insufficient Authentication, Insufficient Authorization, выявленные при проведении автоматизированных сканирований) всех проанализированных сайтов может быть скомпрометировано полностью автоматически.

Около 49% Web-приложений содержат уязвимости высокой степеней риска (Urgent и Critical), обнаруженные при автоматическом сканировании систем (Т.1). Однако при детальной ручной и автоматизированной оценке методом белого ящика вероятность обнаружения таких уязвимостей высокой степени риска достигает 80-96%. Вероятность же обнаружения уязвимостей степени риска выше среднего (критерий соответствия требованиям PCI DSS) составляет более 86% при любом методе работ. В то же время при проведении более глубокого анализа 99% Web-приложений не удовлетворяет требованиям стандарта по защите информации в индустрии платежных карт (T.6, Рис.13).

На основании проведенного анализа можно сделать следующие выводы:

• Наиболее распространенными уязвимостями являются "Межсайтовое выполнение сценариев" (Cross-site Scripting), различные виды утечки информации (Information Leakage), "Внедрение операторов SQL" (SQL Injection), "Расщепление HTTP-запроса" (HTTP Response Splitting).
• Вероятность обнаружения критичной ошибки в динамическом Web-приложении составляет порядка 49% при проведении автоматического сканирования и 96% при всестороннем экспертном анализе методом белого ящика;
• Уязвимости, связанные с недостатками администрирования встречается на 20% чаще, чем уязвимости связанные с ошибками в разработке систем;
• До 99% Web-приложений не удовлетворяет требованиям стандарта по защите информации в индустрии платежных карт, а 48% не соответствуют критериям ASV-сканирования по PCI DSS.
• Детальный анализ методом белого ящика позволяет в среднем идентифицировать до 91 уязвимостей высокой степени риска на одно Web-приложение, в то время как автоматизированное сканирование - только 3.
• По сравнению с 2007 годом снизилось число сайтов содержащих распространенные уязвимости SQL Injection и Cross-site Scripting на 13 и 20% соответственно, однако, число сайтов содержащих различные виды утечки информации возросло на 24%. С другой стороны, вероятность автоматической компрометации узлов возросла с 7 до 13%.

Анализ данных

Всего в представленную статистику вошли данные по 12186 Web-приложениям, в которых было обнаружено 97554 уязвимости различной степени риска.

Общий анализ

В Т.1 и на Рис.1 представлены данные по вероятности обнаружения уязвимостей различной степени риска, выявленные в ходе аудитов и путем автоматизированного сканирования.

Так, при проведении автоматических сканирований было выявлено до 86% сайтов, содержащих от одной до нескольких уязвимостей не ниже среднего уровня риска (Urgent-High). При оценке Web-приложений методами черного и белого ящика, аналогичный показатель увеличился до 92-98% соответственно.

В значительной степени полученные результаты связанны с тем, что при детальном анализе оценка риска более адекватна и учитывает не только тип уязвимости, но и реальные последствия её эксплуатации с учетом архитектуры и реализации приложения. Кроме того, важным фактором является то, что при автоматическом сканировании участвовали сайты хостинг-провайдера, в некоторых случаях не содержащие активного контента, в то время как работы по оценке защищенности, как правило, проводятся для приложений содержащих сложную бизнес-логику. То есть результаты автоматизированных сканирований можно интерпретировать как данные для среднестатистического Интернет-сайта, в то время как работы проводимые методами BlackBox и WhiteBox больше относятся к интерактивным корпоративным Web-приложениям.

Рисунок 1. Вероятность обнаружения уязвимостей различной степени риска

T. 1 Вероятность обнаружения уязвимостей различной степени риска

Наиболее распространенными уязвимостями являются Cross-Site Scripting, Information Leakage, SQL Injection, Insufficient Transport Layer Protection, Fingerprinting  и HTTP Response Splitting  (Рис. 2). Как правило, уязвимости типа Cross-Site Scripting,  SQL Injection и HTTP Response Splitting возникают по причине ошибок в разработке систем, в то время как Information Leakage, Insufficient Transport Layer Protection и Fingerprinting зачастую связаны с недостаточно эффективным администрированием (например, разграничением доступа) в системах.

 
Рисунок 2. Наиболее распространенные уязвимости в Web-приложениях (% Vulns ALL)

 
Рисунок 3. Вероятность обнаружения наиболее распространенных уязвимостей Web-приложений (% Sites ALL)

Рисунок 4. Процент уязвимостей от общего числа (% Vulns ALL)

Рассматривая природу возникновения уязвимостей в целом (в соответствии с классификацией в Приложении 2), получим, что на 20% чаще встречаются уязвимости, связанные с недостаточно эффективным администрированием (Рис. 5). В тоже время, на один сайт приходиться до четырех проблем связанных с недостатками администрирования и до восьми уязвимостей, связанных с ошибками в разработке систем (Т.2).

T. 2 Вероятность обнаружения уязвимостей по природе возникновения

Рисунок 5. Вероятность обнаружения уязвимостей по природе возникновения

При детальном анализе Web-приложений методами BlackBox и WhiteBox ощутимый процент сайтов оказались уязвимы также для Content Spoofing и Path Traversal (Рис. 6). Причем вероятность обнаружения уязвимостей типа SQL Injection при таком подходе к анализу защищенности достигает 19% (Рис. 7).

Рисунок 6. Наиболее распространенные уязвимости в Web-приложениях (% Vulns BlackBox & WhiteBox)

Рисунок 7. Вероятность обнаружения наиболее распространенных уязвимостей Web-приложений (% Sites BlackBox & WhiteBox)

Рисунок 8. Процент уязвимостей от общего числа (% Vulns BlackBox & WhiteBox)

Если анализировать распространенность уязвимостей высокого степени риска при детальном обследовании Web-приложения (Рис. 9), то здесь наиболее часто встречаются ошибки типа "Предсказуемое значение идентификатора сессии" (Credential/Session Prediction). Также широко распространены ошибки  "Внедрение операторов SQL" (SQL Injection), "Чтение произвольных файлов" (Path Traversal) и ошибки в реализации и настройке систем авторизации и аутентификации.

Рисунок 9. Вероятность обнаружения наиболее кричных уязвимостей Web-приложений (% Sites BlackBox & WhiteBox)

Если рассматривать вероятность обнаружения уязвимости с точки зрения воздействия на посетителей Web-ресурса и воздействия на Web-сервер (в соответствии с классификацией в Приложении 2), то наиболее распространенны уязвимости на стороне Web-сервера (Рис. 10). В тоже время, распределение уязвимостей по типу воздействия на один сайт не равномерно и во многом зависит от используемого способа поиска уязвимостей (Рис.11).

Рисунок 10. Вероятность обнаружения уязвимости по типу воздействия

Рисунок 11. Распределение уязвимостей на один сайт при использовании различных методов их поиска (No. Vulns on Site)

T. 3 Уязвимости по типу воздействия

Анализ данных в контексте требований PCI DSS

Рассматривая наборы полученных данных уязвимых Web-приложений в контексте соответствия требованиям стандарта по защите информации в индустрии платежных карт PCI DSS, можно выделить те из них (Т.4), которые относятся к устранению конкретных уязвимостей в Web-приложениях. Кроме того, PCI DSS Technical and Operational Requirements for Approved Scanning Vendors (ASVs) содержит в себе схожие требования, но затрагивает только процесс ASV-сканирования по PCI (Т.5).

T. 4 Требования стандарта PCI DSS, регламентирующие обязательное устранение конкретных уязвимостей в Web-приложениях

T. 5 Требования PCI DSS Technical and Operational Requirements for Approved Scanning Vendors (ASVs), регламентирующие обязательное выявление конкретных уязвимостей в Web-приложениях при проведении ASV-сканирования

Оценивая полученную статистику собранных данных по приведенным критериям в Т.4 и Т.5, будут получены данные, представленные в Т.6, на Рис. 12 - Рис. 14.

T. 6 % сайтов, не соответствующих требованиям стандарта PCI DSS при оценке Web-приложений различными методами

* При проведении оценки защищенности Web-приложений методом черного ящика уязвимости данного класса не вносились в отчетные документы по результатам проводимых работ. Это связано с тем, что при проведении работ данным методом внимание аудиторов было направлено на наиболее опасные уязвимости.

 
Рисунок 12. Распределение сайтов, не удовлетворяющих требованиям стандарта PCI DSS

Рисунок 13. Уровень соответствия анализируемых Web-приложений требованиям стандарта PCI DSS (QSA)

Рисунок 14. Уровень соответствия анализируемых Web-приложений требованиям стандарта PCI DSS (ASV)

Таким образом, при проведении ASV-сканирования в отношении Web-приложений около 48% из них не удовлетворяют требованиям стандарта PCI DSS. В то же время при проведении более глубокого анализа 99% Web-приложений не удовлетворяет требованиям стандарта по защите информации в индустрии платежных карт.

Сравнение методов анализа защищенности

Если провести сравнение полностью автоматических сканирований с ручной и автоматизированной оценкой методами черного и белого ящика, то явно видно отставание автоматического сканирования при обнаружении наиболее опасных ошибок (Рис. 15).

Рисунок 15. Распределение вероятности обнаружения уязвимостей по методу их поиска

Если рассматривать такой показатель, как количество обнаруженных уязвимостей на один сайт (Т.7), то детальный анализ позволяет в среднем идентифицировать до 91 уязвимостей высокой степени риска на одно приложение, в то время как автоматизированное сканирование - только 3 (Рис. 16).

T. 7 Количество уязвимостей на один сайт

Рисунок 16. Количество уязвимостей на один сайт

На Рис.1, Рис.15 и Рис.16 наглядно показано значительное отставание результатов автоматизированных сканирований и результатов оценки Web-приложений методом черного ящика от наиболее глубокого поиска уязвимостей методом белого ящика. Это свидетельствует о том, что использование способа поиска уязвимостей методом белого ящика в значительной степени является более эффективным по сравнению с другими способами.

Приложение 1: Методика оценки степени риска

T. 8 Методика оценки степени риска

Приложение 2: Используемая дополнительная классификация уязвимостей

T. 9 Классификация уязвимостей по природе возникновения и типу воздействия