Audit de sécurité d'EduTrainer : un développeur découvre des failles cachées dans le code du service
Un développeur a audité le service éducatif EduTrainer, mettant au jour des vulnérabilités dans le panneau d'administration, des mécanismes de suppression défectueux et un partage de données IA non documenté.

Au début du mois de novembre, le développeur de la plateforme éducative EduTrainer a mené un audit de code interne pour identifier des problèmes architecturaux et logiques cachés. Même si la plateforme fonctionnait correctement, que les tests passaient et que les contrôles de santé renvoyaient des résultats positifs, l'inspection de la base de code a révélé des divergences significatives entre les promesses de l'interface et le comportement du backend.
- L'audit a mis en évidence des failles de sécurité dans le panneau d'administration du personnel, une suppression incomplète des données utilisateur et un partage de données non annoncé avec des fournisseurs d'IA.
- Les secrets d'authentification à deux facteurs (TOTP) des membres du personnel étaient stockés en clair dans la base de données, sans chiffrement.
- Le développeur a corrigé ces failles architecturales, mis à jour la politique de confidentialité et ajouté une couverture de tests complète.
Failles de sécurité du panneau du personnel et secrets 2FA en clair L'inspection des middlewares a révélé une vulnérabilité dans la manière dont les routes du personnel étaient consultées. Les requêtes commençant par le préfixe /staff/ contournaient la vérification de l'authentification à deux facteurs (TOTP), ce signifie qu'un mot de passe d'employé compromis suffisait pour obtenir un accès complet. De plus, une enquête sur le modèle StaffTOTP a montré que les clés secrètes 2FA étaient stockées en clair directement dans la base de données au lieu d'être chiffrées.
Suppression de données incomplète et divergences dans la politique de confidentialité Bien que la fonctionnalité de suppression de compte supprimait les données de profil de l'interface, elle laissait les textes intégraux des dissertations des étudiants, des tentatives d'examen et d'autres artéfacts éducatifs persister dans la base de données. De plus, des scripts d'analyse suivaient les utilisateurs avant de recueillir un consentement approprié, et la fonctionnalité de correction automatisée de dissertations envoyait les textes complets des étudiants à des modèles d'IA tiers (OpenAI, DeepSeek, GigaChat) malgré les promesses contraires de la documentation sur la vie privée.
Correctifs techniques et leçons tirées pour les développeurs Au-delà des erreurs logiques, des vulnérabilités infrastructurelles ont été corrigées, notamment la correction d'un mécanisme d'importation CSV qui chargeait des fichiers entiers en mémoire sans limite de taille, ainsi que l'ajustement des comportements de secours en cas de panne de Redis. Cet audit souligne l'importance de s'assurer que le code réel d'un système correspond à ses garanties déclarées en matière de sécurité et de confidentialité.
Source: Все публикации подряд на Хабре



