Audyt bezpieczeństwa EduTrainer: deweloper odkrył ukryte luki w kodzie usługi
Deweloper przeprowadził audyt platformy edukacyjnej EduTrainer, odkrywając podatności w panelu administracyjnym, wadliwe mechanizmy usuwania danych oraz nieudokumentowane przesyłanie informacji do sztucznej inteligencji.

Na początku listopada deweloper stojący za platformą edukacyjną EduTrainer przeprowadził wewnętrzny audyt kodu, aby odkryć ukryte problemy architektoniczne i logiczne. Choć platforma działała bez zarzutu, testy przechodziły pomyślnie, a kontrole stanu zwracały pozytywne wyniki, analiza kodu źródłowego ujawniła znaczne rozbieżności między obietnicami interfejsu a faktycznym działaniem backendu.
- Audyt obnażył luki w zabezpieczeniach panelu administracyjnego personelu, niepełne usuwanie danych użytkowników oraz niezapowiedziane udostępnianie danych dostawcom sztucznej inteligencji.
- Klucze dwuskładnikowego uwierzytelniania (TOTP) dla pracowników były przechowywane w bazie danych w postaci czystego tekstu, bez szyfrowania.
- Deweloper naprawił te wady architektoniczne, zaktualizował politykę prywatności i dodał kompleksowe pokrycie testami.
Luki w zabezpieczeniach panelu pracowniczego i klucze 2FA zapisane jako czysty tekst Analiza oprogramowania pośredniczącego (middleware) wykazała podatność w sposobie obsługi dostępu do ścieżek pracowniczych. Żądania zaczynające się od prefiksu /staff/ omijały weryfikację drugiego składnika uwierzytelniania (TOTP), co oznaczało, że przejęte hasło pracownika wystarczało do uzyskania pełnego dostępu. Co więcej, badanie modelu StaffTOTP wykazało, że tajne klucze 2FA były zapisywane bezpośrednio w bazie danych w postaci jawnej, zamiast zostać zaszyfrowane.
Niepełne usuwanie danych i rozbieżności w polityce prywatności Podczas gdy funkcja usuwania konta usuwała dane profilowe z poziomu interfejsu, w bazie danych pozostawały pełne teksty esejów uczniów, podejścia do egzaminów oraz inne materiały edukacyjne. Dodatkowo, skrypty analityczne śledziły użytkowników przed uzyskaniem stosownej zgody, a zautomatyzowana funkcja sprawdzania wypracowań wysyłała pełne teksty uczniów do zewnętrznych modeli AI (OpenAI, DeepSeek, GigaChat) wbrew zapewnieniom zawartym w dokumentacji dotyczącej prywatności.
Poprawki techniczne i wnioski dla deweloperów Oprócz błędów logicznych, zaadresowano również podatności infrastrukturalne. Poprawiono m.in. mechanizm importu plików CSV, który ładował całe pliki do pamięci bez ograniczeń rozmiaru, oraz dostosowano zachowanie awaryjne limitowania częstotliwości żądań (rate-limiting) podczas przerw w działaniu Redis. Ten audyt podkreśla, jak ważne jest upewnienie się, że rzeczywisty kod systemu odpowiada deklarowanym gwarancjom bezpieczeństwa i prywatności.
Źródło: Все публикации подряд на Хабре



