Axios项目中Server-Side Request Forgery漏洞分析与修复方案
问题背景
Axios是一个广泛使用的基于Promise的HTTP客户端,适用于浏览器和Node.js环境。近期在Axios项目中发现了一个Server-Side Request Forgery(SSRF,服务器端请求伪造)安全问题,该问题编号为CVE-2024-39338。这个问题主要影响服务器端使用Axios的场景,可能导致攻击者构造异常请求访问内部系统或获取数据。
问题原理
该问题的核心在于Axios处理协议相对URL(protocol-relative URLs)时的行为异常。协议相对URL是指以"//"开头的URL,它会继承当前页面的协议(如http或https)。在浏览器环境中,这种设计是合理的,但在服务器端环境中却存在潜在风险。
具体来说,当Axios在Node.js环境中运行时,如果开发者使用baseURL配置并传入一个协议相对URL作为请求路径时,Axios会错误地将该URL解析为绝对URL,而不是相对于baseURL的路径。这导致请求可能被重定向到非预期的外部服务器。
问题验证
考虑以下代码示例:
const axios = require('axios');
const apiClient = axios.create({
baseURL: 'https://userapi.example.com',
});
// 正常情况下开发者期望的userId
// const userId = '12345';
// 可能注入的异常值
const userId = '/google.com';
apiClient.get(`/${userId}`).then(response => {
console.log(response.request.res.responseUrl);
});
在修复前的版本中,这段代码会输出http://www.google.com/,而不是开发者预期的https://userapi.example.com//google.com。这表明请求被重定向到了非预期的外部服务器。
技术分析
问题的根源在于Axios内部URL处理逻辑。在Node.js环境中,当处理协议相对URL时:
- Axios将baseURL和相对路径组合成完整路径
- 然后使用Node.js的URL类解析这个路径
- 由于协议相对URL被视为绝对URL,baseURL被忽略
- Node.js的URL类会基于当前环境(通常是http://localhost)补全协议
这种处理方式在浏览器环境中是合理的,因为浏览器有明确的当前协议上下文。但在服务器端环境中,这种自动补全会导致潜在风险。
修复方案
Axios团队通过以下方式解决了该问题:
- 修改了URL解析逻辑,不再将协议相对URL视为绝对URL
- 确保所有路径都相对于baseURL进行解析
- 在服务器端环境中,明确拒绝处理协议相对URL
修复后的版本(1.7.4及以上)会正确处理上述示例,确保请求被发送到https://userapi.example.com//google.com而不是外部服务器。
开发者建议
对于使用Axios的开发者,建议采取以下措施:
- 立即升级到Axios 1.7.4或更高版本
- 对所有用户输入进行严格验证和过滤
- 避免直接将用户输入拼接到URL路径中
- 在服务器端代码中,明确指定完整的URL或确保路径是相对路径
- 实施网络层防护,限制服务器对外部网络的访问
总结
这个问题提醒我们,在处理网络请求时需要特别注意URL解析的边界情况。即使是广泛使用的成熟库也可能存在潜在的问题。开发者应当保持依赖库的更新,并理解所使用工具的内部工作原理,才能构建更可靠的应用程序。
对于Axios用户来说,及时升级到修复版本是当前最紧迫的任务,同时也要审视自己的代码中是否存在类似的URL拼接模式,从根本上减少潜在风险。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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