鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
8
3
1

PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!

程序员鱼皮
程序员鱼皮
2026-10-23 10:42
阅读 696
程序员鱼皮
2026-10-23 10:42
阅读 696

PHP 是世界上最好的语言!

曾经,这是编程界热度最高的梗。

如今,这个梗的含金量还在上升。

要知道,PHP 支撑着互联网上很大一部分网站,政府服务、网上商城、银行、媒体网站都有用到它。也正因为用的人太多,它一出漏洞,波及的就是一大片网站。

10 月 21 日晚上,PHP 官方发布了紧急安全更新,一口气修复了两个严重漏洞。两个漏洞的评分都是 9.2 分(满分 10 分),被安全圈称为 PHP2Shell。

攻击者不需要登录,只要给你的网站发送特殊构造的请求,就有可能在服务器上执行任意代码!

官方公告

这次参与发现漏洞的团队里,至少有两家公开表示用上了 AI。按照 PHP 基金会的说法,其中内存超限那个问题,早在 2024 年的一次安全审计中就露出过苗头,只是当时没有找到真正能利用它的方法。直到今年 8 月起,完整的攻击方式才被陆续报告出来。

更要命的是,攻击已经开始了。亚马逊、watchTowr 等安全厂商都监测到了针对这两个漏洞的攻击尝试,亚马逊甚至在官方公布漏洞的 4 天前就抓到过一次。

我团队的同学看到消息之后,第一时间检查了服务器,我也专门写了这篇文章来提醒大家。

下面我先用大白话讲讲这两个漏洞是怎么回事,再说说程序员朋友们应该如何应对。

1、两个漏洞是什么?

要理解这两个漏洞,得先知道 PHP 是怎么处理网页请求的。

你可以把服务器上的 PHP 想象成一家餐厅。每当有用户访问网站,就相当于来了一桌客人,PHP 会派一个服务员来接待,这个服务员就是 PHP 的工作进程。

服务员会给这桌客人分配一张桌子,也就是一块内存。为了防止有人霸占太多位置,每张桌子能用的空间是有上限的。

而且服务员不是一次性的,他接待完一桌、收拾干净之后,会接着接待下一桌。也就是说,同一个工作进程会接连处理很多个请求。

漏洞 1 - 内存超限后没收拾干净

第一个漏洞(CVE-2026-109618)出在内存超出上限的时候。

PHP 的规矩是,一旦某桌用的空间超过上限,服务员就立刻放下手里的活离开,不管当时做到了哪一步。

问题在于,服务员离开的时候可能刚摆台摆到一半,桌上有一块地方还没来得及铺上新桌布,上面还留着之前的东西(也就是这块内存里残留的旧数据)。

随后负责收尾的店员(也就是 PHP 结束请求时的清理流程)过来收拾,以为这桌都已经按流程摆好了,就把这块没准备好的地方也当成正常的东西来处理。

攻击者利用的就是这一点。他先想办法在那块地方留下一张写着指令的纸条(也就是攻击者精心构造的数据),再故意让这桌超出上限。收尾的店员看到纸条,以为是店里正常的安排,就照着上面的指令去做了。

那攻击者怎么让内存超限呢?

他会发送一种特殊构造的表单请求,比如用文件上传那种格式(multipart/form-data)。这种请求在网络上传输时看起来并不大,能通过 PHP 的大小检查,但 PHP 解析它的时候,会占用更多内存。

注意,这跟你的网站有没有上传功能无关。只要请求打到了 PHP 页面上,PHP 都会自动解析这类请求。

更麻烦的是,如果用的是 mod_php(把 PHP 直接装进 Apache 里运行),这一切都发生在 PHP 解析请求内容的阶段,你写的业务代码还没开始运行。

也就是说,这个漏洞出在 PHP 自己身上,跟你的代码写得好不好没有关系,代码写得再规范也拦不住。

漏洞 2 - 上一桌的旧记录没擦掉

第二个漏洞(CVE-2026-109619)出在同一个工作进程接连处理两个请求的时候。前一个请求留下的数据没有清理干净,后一个请求又把这些失效的数据当成有效数据来用了。

这个问题还是用餐厅来类比,会更好理解。

服务员手上有一个记事本(也就是 PHP 的全局状态),记着当前这桌客人的信息,比如坐在哪张桌子、东西放在哪里。按照规矩,一桌客人离开之前,服务员要把记事本上的这一页擦掉。

但如果这桌客人突然出了意外(也就是请求处理时发生了严重错误),被紧急送走了,服务员一着急就忘了擦记事本。可这张桌子已经被收回去,转手分给了别人(也就是这块内存已经被释放,又被重新分配出去了)。

等到下一桌客人坐下,服务员还没来得及翻到新的一页,就照着旧记录去原来那张桌子上拿东西。而这时候桌上摆着的,已经是攻击者提前放好的东西了。

对应到真实的攻击中,攻击者会先发一个请求,让 PHP 发生严重错误,再发一个请求,让同一个工作进程照着旧记录办事。这样一来,他就有机会控制服务器,或者读到内存里残留的其他数据。

官方已经确认了两条攻击路径。一条是 PHP 的上传进度跟踪功能,这个功能默认就是开启的,哪怕你的网站代码里从来没用过它,它也可能被触发。另一条只存在于 PHP 8.5,跟它新增的致命错误回溯功能有关。

按照 PHP 官方的说法,所有处理网页请求的 PHP 都在风险范围内,包括 PHP-FPM、Apache mod_php 这些常见的运行方式,其中 mod_php 的风险最高(PHP-FPM 也不安全)。

这两种运行方式的区别在于 PHP 跟网站服务器的关系。PHP-FPM 是让 PHP 作为一个独立的服务运行,再由 Nginx 这类网站服务器把请求转交给它,宝塔面板用的就是这种方式。mod_php 则是前面提到的,把 PHP 直接装进 Apache 里运行,官方已经验证过,攻击者在这种方式下能赶在业务代码运行之前发起攻击。

把大象装冰箱里哈哈

目前官方已经发布了修复版本,分别是 8.2.35、8.3.36、8.4.27 和 8.5.12。8.1 及更老的版本官方已经不再维护,只额外给 7.4、8.0、8.1 提供了源码补丁。7.3 及更老的版本连源码补丁都没有,只能迁移到新版本。

升级说明

官方还特别强调,目前没有任何配置能完全替代升级,升级是唯一安全的选择。

2、如何处理

知道了漏洞的原理和影响范围,接下来就该检查自己的服务器了。

很多同学会用宝塔面板来管理服务器,我自己的部署教程里也经常用它,所以下面主要以宝塔为例来讲。

宝塔面板本身是用 Python 开发的,不是 PHP 程序,所以面板不会因为这次漏洞直接受到影响。但是通过宝塔安装的 PHP 在受影响的范围内,需要你自己处理。

先看看服务器上有没有装 PHP。登录宝塔面板,进入「软件商店」,切换到「已安装」列表,再搜索 PHP,就能看到装了哪些版本。

已安装 PHP

如果服务器上装了多个 PHP 版本,要逐个检查,别漏掉还在运行的旧版本。

另外,宝塔的软件商店里只能看到通过宝塔装的 PHP。如果你还用 apt 或 yum 命令装过 PHP,在这里是看不到的,要在终端执行 dpkg -l | grep php(Ubuntu、Debian)或者 rpm -qa | grep php(CentOS、RHEL)来查。

确认装了 PHP 之后,就要看你到底用不用得到它,分两种情况来处理。

情况 1 - 用得到 PHP

如果你的网站本身就是用 PHP 开发的,比如 WordPress 搭的博客,那就要尽快升级。

宝塔官方在 10 月 21 日当天就发布了紧急公告,PHP 官方的 4 个修复版本都已经同步上架。对于 7.4、8.0、8.1 这三个 PHP 官方停止维护的版本,宝塔也自己打上补丁,给 Linux 面板重新打包了修复版。

宝塔公告

如果你用的是 Windows 版宝塔,8.1 及更早的版本目前还没有修复包,只能先按下文的方法修改配置临时缓解,然后尽快迁移到新版本。

升级方法也不复杂。先备份好网站和配置,然后还是在刚才的「已安装」列表里,点击右上角的「更新软件列表」,再找到网站正在使用的 PHP 版本,点击「更新」就行。

升级完成之后,记得检查一下网站能不能正常访问。

如果你没用宝塔,而是通过系统软件源安装的 PHP,处理方法也差不多,把 PHP 升级到包含补丁的版本,再重启 php-fpm 或者 Apache 就行。

不管用哪种方式升级,都别以为升完就稳了。攻击在漏洞公布之前就已经出现,而且攻击成功之后网站照样能正常访问,你很难察觉。所以如果你的服务器在升级前一直对外开放,最好顺手看看有没有陌生的进程和文件,必要时把数据库密码、API 密钥这些也换一下。(可以让 AI 帮忙检测)

如果暂时没办法升级,可以先修改 PHP 的配置文件 php.ini,做这几项临时缓解:

  • 把 session.upload_progress.enabled 设置为 0,关闭上传进度跟踪功能
  • 如果用的是 PHP 8.5,再把 fatal_error_backtraces 也设置为 0
  • 把 post_max_size 调小一点,网站不需要上传就设成 8M,需要上传就设成 32M,并且让 upload_max_filesize 小于它,降低漏洞 1 的风险

改完之后要重启 PHP 才能生效。不过这些都只能堵住部分已知的攻击路径,最终还是要升级。

情况 2 - 用不到 PHP

之前我在好几个项目的部署教程里,都推荐大家第一次进入宝塔时安装 LNMP 套件。这个套件除了 Nginx 和 MySQL,还附带了 PHP 和 phpMyAdmin。

可那几个项目都是 Java 后端 + 前端,其实根本用不到 PHP。

那装了但没用到,到底有没有风险呢?

在宝塔里,PHP 安装好之后会作为一个服务一直运行。你创建网站的时候如果选择了 PHP 版本,Nginx 就会把 PHP 请求转交给它处理。phpMyAdmin 本身也是一个 PHP 程序,只要装了它,服务器就在用 PHP。

另外,只要服务器上装了 PHP,也得留个心眼。比如在 Ubuntu 系统上,如果你直接执行 apt install php 命令,系统默认会顺带装上 Apache 和 mod_php,正好是官方认为风险最高的组合。

所以我的建议是,用不到 PHP,就直接卸载。

少装一个软件,就少一个被攻击的入口,下次再出漏洞也不用再排查一遍了。

我们团队的项目用不到 PHP,所以这次就直接卸载了:

注意,卸载之前要先去网站列表里确认一下,没有网站在使用这个 PHP 版本,不然这些网站就访问不了了。phpMyAdmin 依赖 PHP 运行,如果你平时用不到,也可以一起卸载。

最后哔哔

再次强调,这次的两个漏洞藏在 PHP 最底层的内存管理和错误处理里,跟你写的业务代码关系不大,能做的就是尽快升级或者卸载。

用得到 PHP 就升级到修复版本,用不到就直接卸载,千万不要有侥幸心理!(来自一个常年被打的鱼皮提醒)

OK 就到这里,如果你觉得这篇内容有帮助,记得 转发分享 给身边的程序员朋友,尤其是用宝塔部署过项目的同学,让他们也抓紧检查一下。

AI
编程
程序员
AI编程
计算机
8
1
分享
操作
评论
相关内容
0个评论
全部评论
点击登录,快来和大家讨论吧~
表情
图片

目录

🔥 热门文章
1
手把手教你设计一个成熟的 Agent Harness
2500
2
我用 REA 逆向了付费颜色 APP,结果很意外!
570
3
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
420
4
DeepSeek 全新模型发布,性价比最高的一集!
380
5
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
370
6
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
360
7
又一个国产版 Codex 神器,也来卷办公了!
330
8
AI 越强,被它拒绝的代价就越大 我有时候会想:AI 越来越厉害之后,有些事情,会不会反而越来越难做? 这个想法看起来有点矛盾。AI 明明在降低门槛,让不会写代码的人做出软件,让不会画画的人生成图片,让一个人完成过去需要整支团队才能完成的工作。但今天用 Codex 的时候,AI 拒绝帮我编写 SQL 注入的请求体,而那还是我有源码、在本地跑测试的情况。那么,往后是否只会更难? 我们假设某一天,AI 说:「这个请求违规,我不能帮助你。」到那个时候,你还有多少能力,能绕过它,把事情做完? 这里的「违规」需要打个引号。平台的规则、模型的判断、法律的要求,以及一件事实际有没有造成伤害,彼此之间并不总是画得上等号。一个请求可能确实危险,也可能只是缺少上下文被误判,或者恰好落在某家公司的限制范围里。 无论是哪种情况,随着我们越来越依赖 AI,这句拒绝都可能变得越来越贵。 今天,一个程序员让 AI 帮忙写代码,AI 拒绝了,他大概率还有别的办法:查文档、找开源项目、问同行,或者自己写。麻烦一点,慢一点,但路还在。 可如果十年之后,大部分程序都由 AI 完成,情况就不一样了。 很多人从接触编程的第一天起,就习惯了描述需求、等待生成、运行结果、继续迭代。他们能做出相当复杂的产品,却未必经历过独立处理底层问题的训练。平时,这种能力结构完全够用,效率甚至更高。只有 AI 拒绝的时候,他们才会发现:平常被省掉的那段学习过程,恰好是此刻最需要的东西。 到那时,一次拒绝的成本,可能就从「今晚多花两个小时」,变成「先花半年学会这门技术」。 拿 SQL 注入举个稍显极端的例子:往后,连真正理解这类攻击如何发生、能够独立构造测试的人,会不会也越来越少? 这里也包括那些有正当需求的人。一个开发者想检查自己的旧系统,一个经过授权的安全研究员想复现漏洞,假如 AI 识别到危险模式就拒绝,而使用者又只熟悉「让 AI 帮我检查」,这项原本可以独立完成的工作,就这样卡住了。 但是安全专家不会因此消失,但这类技能可能越来越集中在少数人手里。你仍然可以找专家,只是要付出更多的钱、更多的时间,以及更高的沟通成本。 类似的困境,未必只发生在网络安全领域。 你想从一个停止维护的软件里取回自己的数据,需要解析它的旧文件格式。AI 判断这涉及规避保护措施,拒绝继续。你拥有这些数据,却没有能力把它们读出来。 你买了一台设备,厂商停止提供服务。你想修改程序让它继续运转,过程中需要处理某种访问限制。AI 不愿协助,而你所掌握的维修方式,早已只剩下「把报错发给 AI」。 你想给常用的网站写一个辅助工具,减少重复操作。平台将此归入自动化限制,AI 也据此拒绝。过去会写脚本的人可以自己判断、自己处理;未来的使用者,可能连从哪里开始都不知道。 这些例子有一个共同点:当工具同时承担了「执行工作」和「传授知识」的角色,它的拒绝就不只是挡住了一次任务,也挡住了获得这种能力的机会。 更麻烦的是,这种依赖往往是我们主动选择的,而且每一步都很合理。 既然 AI 几秒钟就能做好,为什么还要花几个月学习?既然公司可以采购成熟的 AI 服务,为什么还要养一支负责基础工作的团队?既然市场上已经很少有人手写这些东西,学校为什么还要花大量时间教? 对个人、公司和学校来说,这些选择都有现实依据。但叠加起来,整个社会保留的独立能力就可能越来越少。等到某项能力突然受到限制,我们才发现,备用方案早已在追求效率的过程中被一点点削掉了。 所以,「AI 越强,做事越便宜」可能只描述了未来的一半。 另一半是:被允许的事情越来越便宜,被拒绝的事情依然需要人工完成,却要面对更少的人才、更高的报价,以及越来越难获得的知识。两边的成本差距,会越拉越大。 有人会说,可以换一个模型,或者用本地模型。这确实是重要的选项。只要工具之间还有充分竞争,开放模型还足够可用,限制就未必能形成真正的门槛。 但备用方案也需要维护。它需要硬件、知识、软件生态,以及一群仍然理解这些系统的人。如果大多数人已经习惯了最方便的商业服务,那么「理论上还有别的办法」和「普通人实际用得起、用得明白」,之间仍然可能隔着很远。 我担心的,正是这段距离。 我不指望 AI 对任何请求都照单全收。对明显会伤害他人的行为设置限制,有充分的理由。但我们也需要关心:限制由谁定义,误判有没有申诉渠道,用户能不能换工具,以及脱离这个工具之后,还剩下多少独立行动的能力。 保留这些能力,平时看起来甚至有点低效,明明可以自动生成,还要理解原理;明明可以一键完成,还要知道手动怎么做。 但这些看似多余的知识,会在工具拒绝、失效、涨价或改变规则的那一刻,成为真正的选择权。 AI 越强,我们可能越需要留意它说「不」的那一刻。 因为那句话的分量,最终取决于:它拒绝之后,我们还能做什么。
310
9
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
300
10
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
290
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题