AdGuard浏览器扩展中JS规则受Trusted Types限制的问题分析
问题背景
在AdGuard浏览器扩展的最新版本中,用户报告了一个关于JavaScript规则注入的问题。具体表现为在某些网站(如YouTube)上,尝试通过内容安全规则注入JavaScript代码时,会被浏览器的Trusted Types安全机制阻止。
技术现象
当用户尝试在YouTube网站上使用如下规则时:
youtube.com#%#alert(1);
浏览器控制台会显示以下错误信息:
This document requires 'TrustedScript' assignment. This script element was modified without use of TrustedScript assignment.
This document requires 'TrustedScript' assignment. An HTMLScriptElement was directly modified and will not be executed.
技术原理分析
Trusted Types安全机制
Trusted Types是现代浏览器实施的一种安全机制,主要用于防止DOM-based XSS攻击。它通过强制开发者使用特定的API来创建和修改可能执行脚本的DOM节点,从而确保只有经过验证的安全脚本才能被执行。
当网站启用Trusted Types策略后,任何直接修改innerHTML或script元素内容的尝试都会被浏览器阻止,除非使用Trusted Types API创建的可信对象。
AdGuard扩展的工作机制
AdGuard浏览器扩展通过内容脚本在页面上下文中运行,并能够修改页面的DOM结构。对于JS规则(以#%#开头的规则),扩展会尝试在目标页面中注入并执行指定的JavaScript代码。
问题根源
在启用Trusted Types的网站(如YouTube)上,AdGuard扩展直接修改script元素或使用innerHTML注入脚本的方式违反了Trusted Types策略,导致浏览器阻止了这些脚本的执行。
解决方案
AdGuard团队在后续版本中修复了这一问题。修复方案可能包括以下技术点:
-
使用Trusted Types API:在支持Trusted Types的环境中,使用createHTML或createScript等API创建可信的脚本内容。
-
替代注入方法:在不支持或无法使用Trusted Types API的情况下,采用其他安全的脚本注入方式,如通过动态创建script标签并设置src属性为data URL。
-
策略检测与适配:在注入脚本前检测目标页面是否启用了Trusted Types,并根据检测结果选择适当的注入策略。
技术影响
这一修复确保了AdGuard扩展在严格的内容安全策略下仍能正常工作,特别是对于以下场景:
- 使用JS规则进行页面修改
- 自定义脚本注入
- 与其他安全机制(如CSP)的兼容性
最佳实践建议
对于扩展开发者而言,在处理脚本注入时应当:
- 始终考虑现代浏览器的安全机制
- 实现多种注入方式的回退策略
- 定期测试与主流网站(特别是那些采用严格CSP的网站)的兼容性
- 保持对Web安全标准演进的关注
这一问题的解决体现了AdGuard团队对产品安全性和兼容性的持续关注,也展示了现代Web安全机制与浏览器扩展之间的复杂交互关系。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00