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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00