渗透测试-业务视角下的金融SRC快速挖掘思路
金融SRC各场景漏洞挖掘技巧
前言
挖掘金融类漏洞的核心不仅仅是技术点本身,更需要深入理解业务链路、资金流转规则、风控策略与账户体系,从而在“设计缺陷”中找到突破点。本文总结梳理常见的金融逻辑漏洞类型及关键节点的可利用点,帮助安全人员深入理解这些场景,快速定位高价值逻辑漏洞大大提升漏洞挖掘效率和准确度,减少资损信息泄露等高危问题的发生。
注册开户场景
首先我们来了解一下开户场景的大概流程

绕过信息校验开户
正常开户申请一般需要手机号+邮箱验证作为必填项,但往往只是在前端进行校验,符合正则格式则通过校验(手机号、邮箱、身份证号)

由于传过来的字段存在可选填项(如推荐码等),后端往往不会硬性要求全部字段都取,后端只会拿传过来的部分,这时候去掉手机相关字段仍可以正常开户

KYC信息复用伪造
攻击者可利用已认证的同一套资料(如身份证正反面、人脸信息)去注册第二个账户

正常上传证件信息,会对图片进行统一化格式处理,然后sdk加签存到数据库中,然后调用ocr对图片进行信息提取再去比对校验
如下图为上传证件信息的api接口,会返回一个加密的filekey文件名

很多时候后端为了节省资源开销,会优先调用缓存数据库结果,判断是否已经上传过,这时候就会导致一个证件信息可以开多个账户
申请状态查询越权
我们渗透时候可以找到“申请/状态查询”相关接口或页面,修改post参数重放请求(id、orderNo、ticketId、userId等),观察响应是否返回不同用户的数据或敏感字段,然后利用自动化脚本/爆破可预测 ID
如下面这个例子存在 request_id

可通过遍历request_id获取其他用户手机号、身份证和银行卡信息

支付场景
高并发下单/提现
后端没有加分布式锁,会导致重复下单 / 重复提现,攻击者可使用burp一秒内提交多次订单,连续发起多笔提现

成功创建多笔提现订单
负值反冲
在支付或退款接口中,如果传入的金额参数为负数,且后端没有严格校验金额必须为正,可能导致用户账户余额不减反增
金融类转账严格要求不能为负数,当修改金额为负数时就会导致负值反冲

int64 导致金额溢出
金融系统常见操作:
- 金额 × 精度(比如 ×10000 或 ×100000)
- 金额求和(累计 risk amount)
- transfer/settlement 金额偏大(企业/跨境/贷款/还款)
如果攻击者传入一个极大的数值,可能导致系统计算时溢出,变成一个负数或一个很小的数
1 | repayAmount := precision.ConvertAmountByBase( |
常见于后端使用 int64 处理金额,int64 的范围有限(只有 9.22e18),金额乘倍率(比如 ×100000)后很容易超过这个范围,一旦超过CPU 会直接把高位截掉,并且go不会自动检查溢出,传参过大会导致 price / amount 可被改为负数、0.01 等


篡改参数免手续费进行转账
在涉及外币或虚拟币的交易中,攻击者尝试修改接口中传输参数,使最终结算金额显著降低

计算最终金额的时候,会有很多参数参与运算,如渠道、汇率等,这时候可以尝试纂改相关参数免除手续费

转账时如果传入xx_id值为0的情况下,使后端 ampaign_result.code == 0 , 导致可以实现无手续费进行转账
1 | if remittanceTicketReq.GetFeeWaivedAmount() != 0 { |

优惠券场景
优惠券码爆破
优惠券码未采用加密,并且没配置网关限流策略,导致可以高并发遍历

通过对voucher_code进行遍历,根据回显字段长度不同判断优惠券是否存在,如下图存在为820、819,不存在为798

优惠券无锁限制重复领取
优惠券核销时,系统未严格校验该券的唯一使用记录或总使用次数
加锁安全的情况
1 | func applyCouponWithLock(amount float64) float64 { |
后端未加锁,导致可以重复领取
1 | func applyCoupon(amount float64) float64 { |
优惠券叠加使用
系统允许用户在单笔订单中,同时使用多张原本设计为互斥或限用一张的优惠券

正常单张使用

多张优惠券叠加使用

信息查询场景
越权查询他人敏感信息
金融类对越权漏洞是十分严格的,像一般的越权查看个人信息、订单,是渗透测试的必测项目

例如用户 A 在查询自己的信息时,通过修改请求参数为用户 B 的订单 ID,成功查询到用户 B 的账单信息


稍微复杂一些的隐藏参数情况

函数实现是优先从post传参userid去查询的,然后再去解token提取uid进行查询
但是正常调用的时候,post传入的是{},因此走到第二优先级的解token提取uid进行查询,那我们该如何去挖掘这类的漏洞呢,我们可以通过搜集history返回包中的参数组成字典去fuzz,如下图返回包中有 userphone、uid、role等字段

通过fuzz发现uid可作为查询参数,越权查询他人的信息


Toc&ToB网关配置错误接口混用
在 gRPC + Gateway 架构里,越权问题通常发生在普通用户能调用原本只允许管理员的 RPC 方法。
- 生成的 HTTP 路由没有绑定权限检查,任何人都能访问
- Gateway 没加角色校验,或者拦截器配置错误,token 可以被忽略或者被默认当作 admin
假设admin管理端域名为a.com,toc用户端域名为b.com,通过burp history导出一份a.com

右键选中 save item,导出对应的xml文件

导出文件格式还需要做进一步的处理:
- Base64 解码:
- 将 XML 中的
<request>元素的内容进行 Base64 解码,解码得到完整的 HTTP 请求内容。
- 将 XML 中的
- 解析请求:
- 根据 HTTP 请求格式,第一行包含了请求方法和路径,例如:POST /api/login HTTP/1.1,提取
/api/login
- 根据 HTTP 请求格式,第一行包含了请求方法和路径,例如:POST /api/login HTTP/1.1,提取
- 提取 POST 数据:
- 通过检查是否遇到 HTTP 请求头结束标志
\r\n\r\n,来提取请求体
- 通过检查是否遇到 HTTP 请求头结束标志
- 写入 CSV 文件:
- 将提取到的请求方法、API 路径和 POST 数据写入到 CSV 文件中
导出文件命名为 burp_history.xml,导出文件为 burp_history.csv
脚本文件
1 | import os |
处理效果

intruder测试选择 Pitchfork 模式进行发包

payload encoding 取消勾选

开始测试

资源存储场景
合同资料遍历获取
合同、发票等敏感文件存储在一个可预测的路径下(如 /docs/contract/2025/ID_0001.pdf)

攻击者通过爆破或递增 ID 的方式,可批量下载其他用户的合同文件
S3存储桶配置不当/泄露
许多金融机构使用云存储服务(如 AWS S3 或阿里云 OSS)来存储文件。如果存储桶 Bucket 的权限配置错误(如设置为 Public Read),可能导致所有存储的资料对外公开。
https://github.com/dark-kingA/cloudTools


SSRF及绕过
服务端存在可发起外部网络请求的接口(如图片加载、URL 抓取)。攻击者利用此接口,让金融服务器作为跳板,访问其内网敏感资源或未授权的云服务 API。

但通常企业内部会有白名单域名,当我们请求的url匹配则可以绕过检测

成功触发dnslog

使用第三方厂商开发
JWT/密码硬编码未修改
某盘系统中,系统初始化的工程中,定义了默认值的appid和jwttoken加密密钥

导致攻击者可以利用该密钥伪造任意用户的 JWT Token,从而绕过身份验证机制

运维后门
第三方运维有时候为了方便更新维护,会在内部脚本、后端代码中直接引用外部 URL 来获取密码,例如:
1 | curl http://password.example.com/db-prod-pass |
这种设计虽然便于统一管理,但等同于主动为攻击者开放后门接口

下面就是从SSO外部接口获取最新系统密码的实战例子








