Kafka漏洞允许未经认证的远程请求耗尽内存:消息队列为什么会突然崩溃?

Kafka服务器突然出现内存耗尽,Broker进程崩溃,原本正常运行的消息生产者开始报错,消费者也逐渐出现消息积压。排查时,管理员可能首先怀疑消息量过大、JVM堆内存不足,或者某个业务程序发送了异常数据。
但近日披露的一项Apache Kafka安全漏洞表明,造成这类问题的原因也可能是一个尚未通过身份认证的网络请求。
Confluent在11月16日更新了编号为CONFSA-2026-26的安全公告,进一步明确CVE-2026-111115对Confluent Cloud和Confluent Platform的影响及修复情况。
根据官方披露,这项漏洞存在于Apache Kafka Broker的请求解析机制中。攻击者在能够访问受影响Broker监听端口的情况下,可以利用特殊构造的协议请求头,诱导服务器分配大量内存,最终可能触发Java堆内存耗尽、长时间垃圾回收停顿或Broker进程崩溃。
更值得注意的是,相关内存分配可能发生在身份认证、访问授权以及请求配额检查之前。
这意味着,正常配置的Kafka用户权限和消息配额,并不一定能够阻止漏洞被触发。
对于使用Kafka处理订单事件、业务日志、数据同步和异步任务的企业来说,Broker异常退出可能影响的不只是消息服务本身,还可能进一步影响依赖消息队列运行的其他系统。
这次Kafka漏洞是什么时候发现的?最新进展有哪些?
首先需要明确,CVE-2026-111115并不是11月16日才首次公开的漏洞。
Apache Kafka项目早在10月28日就发布了相关安全公告,将其描述为Flexible Protocol请求解析过程中,由Tagged Field对象分配放大引发的Broker内存耗尽问题。
该漏洞被Apache项目评定为Important,原始CVSS评分为9.1。
11月16日,Confluent更新了对应的产品安全公告,说明该问题涉及Confluent Cloud以及多个Confluent Platform版本,并公布了不同产品环境下的风险评分和修复状态。
Confluent将其托管云服务环境的CVSS评分定为8.5,自行部署的Confluent Platform则为6.5。
不同评分反映了各自的产品环境和评估条件,不能简单理解为漏洞技术原理发生了变化。
根据Confluent官方说明,其托管的Confluent Cloud已经部署修复,客户不需要自行升级Broker。
对于自行部署Confluent Platform的企业,则需要检查当前使用的版本,并安装对应的安全维护更新。
截至11月17日,Apache Kafka和Confluent均已提供相关修复信息。
不过,公开资料并没有证实该漏洞已经被攻击者用于大规模现实攻击,也没有证据表明它能够直接导致远程代码执行或消息内容泄露。
目前确认的主要风险,是通过异常内存分配造成拒绝服务。
因此,对这次事件更准确的理解是:一个已经公开且具备明确技术影响的Kafka安全漏洞,在11月16日获得了Confluent产品层面的进一步修复说明,而不是当天突然出现了一种全新的攻击方式。
一个请求为什么能耗尽Broker内存?问题出在协议解析阶段
Kafka是一套分布式事件流处理平台。
生产者将消息发送到Broker,Broker负责接收、保存和分发消息,消费者则按照自己的处理进度读取数据。
在这个过程中,Kafka需要解析客户端发来的网络请求。
例如,客户端连接Broker时,可能需要确认双方支持哪些Kafka协议版本,以及后续应该采用什么方式通信。
为了支持协议扩展,Kafka从部分较新协议版本开始引入Flexible Versions机制。
这套机制允许请求携带Tagged Fields,也就是带有标识的扩展字段。
它的作用,是让协议在增加新字段时保持一定的前后兼容能力。
对于不认识某些扩展字段的组件,可以根据协议格式跳过或者保留相关内容,而不必因为出现新字段就拒绝整个请求。
但CVE-2026-111115的问题,恰好发生在这些扩展字段的解析过程中。
根据Apache Kafka官方披露,受影响版本的代码生成解析器,会读取客户端声明的Tagged Field数量,并为未知字段创建相应的RawTaggedField对象。
原有逻辑没有充分检查声明的字段数量是否合理。
虽然整个网络请求仍然受到最大请求大小限制,但程序没有根据剩余数据长度和合理的字段数量上限,提前拒绝异常的字段计数。
这就形成了一种内存分配放大问题。
网络请求本身可能并不需要特别庞大,但其中声明的字段数量却可能使Broker创建大量Java对象。
这些对象不仅占用字段实际保存的数据空间,还会产生对象管理、内存分配和垃圾回收方面的额外开销。
当创建的对象数量过多时,JVM堆内存就可能迅速受到压力。
轻则出现明显的垃圾回收停顿,导致Broker响应缓慢;严重时可能触发OutOfMemoryError,最终造成进程异常退出。
A5数据分析,这项漏洞的关键不在于攻击者向Kafka发送了多少真实业务消息,而在于Broker错误地信任了协议请求中的某个数量声明。
数据包的大小受到限制,并不意味着解析这个数据包时所消耗的内存也一定受到相同程度的限制。
这是许多网络服务在处理复杂协议、文件格式和序列化数据时都需要注意的问题。
为什么没有账号密码,也可能触发内存耗尽?
这次漏洞另一个值得关注的特点,是内存分配发生的时机。
正常情况下,Kafka可以通过SASL、SSL客户端证书以及ACL等机制控制客户端访问。
例如,企业可以要求生产者提供合法身份,只有获得相应Topic写入权限的客户端才能发送消息。
消费者也可以根据权限配置,决定能够读取哪些Topic。
此外,Kafka还支持客户端配额,用于限制部分网络和请求资源使用。
但CVE-2026-111115发生在请求头解析阶段。
根据Apache官方说明,Flexible Request Header可以在网络线程中被处理,而这一步可能早于请求授权、分发及相关配额计算。
其中,ApiVersions v3等协议请求存在认证前处理路径。
因此,当攻击者的请求已经到达受影响的协议解析逻辑时,Kafka可能尚未完成后续身份认证和权限检查,就已经开始分配大量内存。
这也是为什么漏洞公告明确指出,攻击者不需要拥有Kafka资源ACL权限,也不需要通过相应的请求配额检查。
不过,“无需认证”不能直接理解为互联网上任何人都能够攻击所有Kafka服务器。
首先,攻击者仍然需要具备连接Broker相关监听端口的网络条件。
如果Kafka只允许经过网络访问控制的内部应用连接,外部攻击者就不能直接通过公网任意访问该端口。
其次,实际连接还可能受到TLS握手、网络代理以及其他前置控制机制影响。
因此,某个Kafka集群是否能够被外部人员触达,仍然取决于它的网络架构和安全配置。
但从安全设计角度来看,问题已经比较明确:应用层身份认证不能完全替代对认证前协议解析过程的安全控制。
A5数据注意到,一些企业在部署Kafka时,会特别重视SASL认证和Topic访问权限,却容易忽略Broker监听端口本身是否暴露给了过多网络来源。
这次漏洞提醒我们,能够建立网络连接和能够获得业务访问权限,是两个不同的安全边界。
为什么已经限制请求大小,仍然会发生内存耗尽?
Kafka提供了socket.request.max.bytes配置,用于限制Broker能够接收的Socket请求大小。
Apache Kafka相关版本的默认值为104857600字节,也就是100MiB。
从表面上看,既然单个请求不能无限增大,Broker似乎就不应该因为某个请求而分配无限内存。
但这次漏洞说明,限制网络传输的数据量,并不能自动限制程序解析这些数据时创建的对象数量。
例如,某种协议字段可能只需要少量字节,就可以表达一个数字。
如果程序读取这个数字后,立即按照数字大小创建对象、数组或其他数据结构,而没有检查它是否符合实际数据规模,就可能发生内存消耗远大于原始请求内容的情况。
Apache Kafka官方在技术公告中指出,受影响的Tagged Field编码在特定情况下,每项可能只占用很少的字节,却会让解析器为每个字段创建独立对象。
因此,攻击者不需要发送与最终内存消耗完全相等的数据量,就可能制造明显的堆内存压力。
这类问题在软件安全领域通常被称为资源消耗放大。
它与普通流量洪泛攻击存在一定区别。
传统流量洪泛通常依靠大量请求或高网络带宽消耗服务器资源。
而资源消耗放大问题,则可能利用程序内部的解析逻辑,让相对有限的输入触发不成比例的计算或内存开销。
当然,两者也可能同时存在。
对于Kafka而言,攻击者可能利用特制请求,使Broker的内存分配和垃圾回收负担突然增加。
如果JVM长期处于高压力状态,即使进程尚未完全退出,也可能无法及时响应正常客户端请求。
这意味着,消息服务不一定要等到Broker真正崩溃之后才开始受到影响。
严重的GC停顿、网络线程处理能力下降和请求超时,本身就可能造成业务故障。
Broker崩溃之后,消息一定会丢失吗?
对于使用Kafka的企业来说,最关心的通常不是JVM报出了什么错误,而是已经写入的消息是否还在、业务能否继续处理。
需要明确,Broker发生内存耗尽,并不必然等于Kafka中的消息全部丢失。
Kafka本身具备分区、副本和故障恢复机制。
在正确配置的集群中,一个Topic分区可以保存多个副本,并由其中一个副本承担Leader角色。
生产者向分区Leader写入消息,其他符合条件的副本则同步数据。
如果某个Broker突然停止运行,而其他副本仍然具备相应的数据和选举条件,集群就有机会选出新的Leader,继续提供消息服务。
但实际恢复能力取决于副本数量、同步状态、生产者确认策略及集群配置。
例如,企业可能使用三个副本,并要求至少两个同步副本满足写入确认条件。
这种设计有助于降低单个Broker故障造成的数据丢失风险。
但如果多个Broker同时受到影响,或者剩余同步副本数量不足,生产者仍然可能无法继续写入。
对于消费者来说,如果原本负责读取的分区Leader发生变化,客户端可能需要重新获取集群元数据并连接新的Leader。
在这一过程中,可能出现请求超时、短暂读取中断或消费延迟上升。
如果消费者处理速度赶不上消息写入速度,Consumer Lag就可能持续增加。
这并不一定意味着消息已经损坏,而是说明尚未完成处理的消息数量或偏移量差距正在扩大。
对于订单系统、支付通知和日志处理平台来说,这种变化可能影响后续业务。
例如,应用已经接收用户请求,但相关事件无法及时写入Kafka,就可能导致异步任务无法正常开始。
如果事件已经保存,但消费者因为Broker故障暂时无法读取,业务处理就可能延迟。
当集群恢复后,消费者可能重新处理部分尚未确认完成的消息。
因此,对于需要较高业务可靠性的系统,还需要考虑消息重复处理、幂等性和消费位点管理,而不能单纯依赖Kafka Broker不发生故障。
A5数据分析,这次漏洞真正可能引发的业务影响,不只是一个Kafka进程退出,而是消息生产、存储、复制和消费之间的正常协作被打断。
对于高度依赖事件驱动架构的企业,消息队列故障可能逐渐传递到数据库、订单、通知和其他业务组件。
哪些Apache Kafka版本受到影响?Confluent如何修复?
这次漏洞并不只影响Confluent自己的商业产品。
由于问题位于Apache Kafka Broker协议解析逻辑中,Apache Kafka开源版本本身也存在相关影响范围。
根据Apache Kafka官方公告,受影响版本包括:
Apache Kafka 2.4.0至4.1.2。
Apache Kafka 4.2.0至4.2.1。
Apache Kafka 4.3.0至4.3.1。
Apache官方确认,相关问题已在4.2.2、4.3.2和4.4.0中修复。
修复后的解析器会在为Tagged Field创建对象之前,检查声明的数量是否有效。
其中包括拒绝负数、超出剩余缓冲区数据长度的数量,以及超过固定上限10000的字段数量。
相比仅限制整个请求的字节大小,这种方式能够直接约束异常字段声明所引发的对象分配。
需要说明,不同Kafka版本分支的升级路径可能不同。
例如,使用4.1系列的企业,不能因为4.1.2已经安装了该分支此前的维护更新,就认定漏洞已经修复。
对于需要跨主要或次要版本升级的集群,还应提前核查Broker、客户端、KRaft控制器及其他相关组件的兼容性。
Confluent Platform方面,官方确认以下维护版本包含修复:
Confluent Platform系列 | 已修复版本 |
|---|---|
7.6 | 7.6.15 |
7.7 | 7.7.13 |
7.8 | 7.8.12 |
7.9 | 7.9.11 |
8.0 | 8.0.9 |
8.1 | 8.1.7 |
8.2 | 8.2.5 |
8.3 | 8.3.3 |
对于使用Confluent Platform的企业,应根据所在分支及官方维护支持情况,升级至包含修复的版本或后续受支持版本。
对于Confluent Cloud,官方表示修复已经部署完成,客户不需要单独操作。
但如果企业同时使用Confluent Cloud和自行部署的Kafka集群,仍然需要分别检查。
云服务商已经修复其托管集群,并不意味着企业内部其他Kafka部署也自动获得修复。
另外,Kafka经常被集成在数据处理平台、日志系统和企业应用套件中。
一些企业可能并没有直接安装名为Apache Kafka的软件包,而是通过第三方产品使用Kafka Broker。
对于这类环境,应当核实实际嵌入的Kafka版本,以及对应厂商是否已经发布安全更新。
暂时无法升级,能否通过调整配置降低风险?
对于生产环境中的Kafka集群,升级通常需要安排维护窗口。
尤其是拥有大量Topic分区、多个Broker和复杂客户端依赖的系统,管理员不能简单地同时重启所有节点。
Apache官方针对CVE-2026-111115提出了两项临时缓解方向。
第一项是限制Broker监听端口的网络可访问范围。
如果Kafka只需要向内部业务服务器提供服务,就不应该无条件允许整个互联网访问Broker端口。
例如,部署在云平台中的Kafka集群,可以通过安全组、防火墙和私有网络访问控制,仅允许真正需要连接的生产者、消费者和管理组件访问。
对于跨机房部署的集群,则需要明确各节点之间的互联地址,并尽量减少不必要的外部访问来源。
这种方式能够减少攻击者直接触达漏洞解析路径的机会。
但需要注意,网络隔离不能解决来自可信网络内部或已被攻破的业务主机的攻击风险。
第二项是适当降低socket.request.max.bytes。
通过降低Broker接受的最大请求大小,可以限制单次异常请求的规模,从而减少部分内存消耗风险。
但Apache官方明确指出,这只能降低风险,并不能完全消除漏洞。
因为问题的根源是字段数量与对象分配之间缺少足够的约束,并不只是请求体过大。
此外,直接降低最大请求大小也可能影响正常业务。
如果企业确实需要传输较大的Kafka请求,过低的限制可能导致合法客户端出现请求失败。
因此,不建议没有经过测试就直接将该参数调整到某个非常小的数值。
对于已经配置SASL认证、Kafka ACL或客户端配额的环境,同样不能认为这些功能已经完全阻止漏洞。
因为相关内存分配可能发生在请求认证和配额统计之前。
A5数据建议,临时缓解措施应当以减少网络暴露面为主,并结合业务实际情况评估请求大小限制,而不是依靠增加普通Topic权限规则解决问题。
最终仍应通过安装包含修复的Broker版本消除漏洞。
Kafka突然内存耗尽,管理员应该检查哪些迹象?
如果企业正在使用受影响版本的Kafka,并且出现异常内存消耗,首先需要区分正常负载变化与可能的漏洞触发。
Kafka本身就是对内存、磁盘和网络资源有较高要求的服务。
如果生产者突然增加消息数量,消费者大量积压,或者集群发生数据重新分配,Broker资源使用率也可能出现变化。
因此,不能仅因为JVM出现OutOfMemoryError,就直接认定遭到了CVE-2026-111115攻击。
管理员可以先关注Broker运行日志中是否出现持续的GC停顿、Java堆内存耗尽及进程异常退出等信息。
同时检查异常发生前后的网络连接来源、请求变化和Broker资源指标。
对于具备完整监控体系的Kafka集群,还应观察JVM Heap Memory Usage、垃圾回收时间、请求处理能力,以及Broker是否出现异常重启。
如果已经引发集群故障,则需要进一步检查离线分区数量、同步副本状态和消费者积压情况。
例如,Under-Replicated Partitions增加,可能说明部分分区副本没有保持预期同步状态。
Offline Partitions增加,则可能意味着某些分区暂时无法正常提供服务。
但这些指标只能用于判断集群当前状态,不能单独证明故障是由本次漏洞造成。
对于托管在Linux服务器上的Kafka,还可以结合系统服务日志和JVM错误日志确认进程退出原因。
如果使用Kubernetes部署Kafka,应当进一步检查Pod重启原因、内存限制以及是否出现OOMKilled事件。
这里还需要区分两种情况。
Java应用自身可能抛出OutOfMemoryError并退出,而容器也可能因为整体内存使用超过限制,被操作系统或容器运行时终止。
两者在日志与监控中的表现可能不同。
对于承载重要业务的Kafka集群,建议在升级前保留必要的日志、指标和故障记录,便于判断是否存在异常请求或其他性能问题。
但不建议在生产环境中直接使用未经验证的漏洞复现代码进行测试。
这类测试可能主动触发Broker内存耗尽,造成原本正常运行的消息服务中断。
Kafka集群有多个Broker,为什么仍然可能出现业务中断?
Kafka经常被认为具备较强的高可用能力。
只要部署多个Broker,并正确配置分区副本,即使某个节点发生故障,集群也有机会继续运行。
但高可用并不等于所有故障都会被完全屏蔽。
尤其在安全漏洞影响整个软件版本的情况下,多个Broker可能同时具备相同的风险。
如果攻击者能够连接多个受影响节点,或者某些节点反复出现异常,集群可能难以维持正常的副本同步状态。
当可用同步副本不足时,为了保护消息一致性,Kafka可能拒绝部分新的写入请求。
这种拒绝并不是Kafka高可用机制失效,而可能是系统为了避免不安全写入所采取的保护措施。
另外,即使只有单个Broker崩溃,客户端重新发现Leader和恢复连接也需要一定时间。
对于对延迟比较敏感的业务,短暂的重新选举与连接恢复就可能引发超时。
如果生产者缺少合理的重试、超时和幂等性配置,还可能进一步放大故障影响。
对于消费者,Broker恢复后也不一定能够立即消除全部消息积压。
如果业务在中断期间持续产生消息,而消费者恢复后的处理速度有限,就需要额外时间才能追赶积压。
因此,评价Kafka集群的可靠性,不能只看部署了多少个Broker。
还应当关注分区副本策略、生产者确认机制、消费端处理能力,以及整个业务系统对消息延迟和重复处理的容忍程度。
从A5数据关注的IDC与企业服务器运维场景来看,消息队列往往是容易被忽略的基础组件。
网站首页可能继续正常打开,数据库也没有明显故障,但如果Kafka停止接收或分发消息,订单通知、数据同步和异步任务就可能逐渐出现异常。
这种故障有时并不会在第一时间表现为整个网站无法访问,却可能对后台业务造成持续影响。
从一个请求头漏洞,看消息队列安全的真正边界
CVE-2026-111115的出现,提醒我们重新审视一个常见的安全认识:只要服务配置了身份认证和资源配额,未经授权的用户就无法消耗重要的服务器资源。
实际上,网络服务在完成身份认证之前,仍然需要处理一定的协议数据。
无论是数据库、消息队列还是其他服务器软件,都可能需要先解析请求头、判断协议版本或者处理连接状态。
如果这些认证前操作缺少严格的输入验证,就可能形成额外的攻击面。
这次Kafka漏洞并不涉及复杂的业务权限绕过,也不需要攻击者获得Topic写入资格。
问题出在更基础的协议解析阶段:客户端声明的字段数量没有受到充分限制,进而导致Broker创建大量对象。
Apache Kafka已经通过更严格的字段数量与剩余数据长度检查修复这一问题。
Confluent也在11月16日更新公告,说明其托管服务已经部署修复,并为自行部署的企业提供了相应维护版本。
对服务器管理员来说,当前最重要的工作不是判断攻击者是否已经盯上自己的Kafka集群,而是确认当前版本是否受影响、Broker监听端口是否暴露给不必要的网络来源,以及是否具备安全升级条件。
对于实际业务而言,还应进一步确认Kafka集群在单节点故障后的恢复能力,以及生产者和消费者能够承受多长时间的消息服务中断。
A5数据分析,消息队列的稳定性不能只依赖副本数量、内存大小和JVM调优。
如果底层协议解析存在能够在认证前触发的资源消耗问题,即使分配更多内存,也不一定能真正消除风险。
增加服务器内存可能提高某些场景下的资源余量,却无法替代对异常请求的正确验证。
这次漏洞真正值得警惕的,是Kafka可能在尚未确认请求是否合法之前,就已经为这个请求消耗了大量内存。
对于依赖Kafka承载核心业务事件的企业,及时修复Broker、限制不必要的网络访问,并持续验证集群故障恢复能力,比单纯提高服务器配置更有助于保障长期运行的可靠性。
随着消息队列在云计算、微服务和实时数据处理系统中承担越来越重要的角色,协议解析安全也应当与身份认证、数据复制和业务高可用一样,成为企业日常运维需要持续关注的部分。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/10038.html

