Serverless-Offline 安全问题解析:jsonpath-plus 远程执行风险
问题背景
Serverless-Offline 作为 Serverless Framework 的本地开发插件,近期被发现存在一个关键安全问题。该问题源于其依赖的 jsonpath-plus 包在 10.0.0 以下版本存在远程执行风险。jsonpath-plus 是一个用于 JSON 数据查询的 JavaScript 库,广泛应用于 Node.js 生态系统中。
问题详情
CVE-2024-21534 问题的根本原因是 jsonpath-plus 库在早期版本中未能对用户输入进行充分的过滤和验证。攻击者可以通过构造特殊的 JSONPath 查询字符串,在目标系统上执行特定代码。这种问题在安全评级中被标记为"严重"(Critical)级别,因为远程执行可能导致攻击者影响受影响系统。
影响范围
该问题影响所有使用 jsonpath-plus 10.0.0 以下版本的 serverless-offline 插件。根据社区反馈,包括 v13.8.1 在内的多个较旧版本都受到此问题影响。值得注意的是,Serverless Framework v3 及以下版本虽然已不再积极维护,但官方承诺在 2024 年内仍会提供关键安全更新。
解决方案
官方修复方案
项目维护者已确认将发布更新版本,将 jsonpath-plus 依赖升级至 10.0.0 或更高版本。建议用户关注官方发布渠道,及时更新到修复后的版本。
临时解决方案
对于无法立即升级的用户,可以采用以下临时解决方案:
-
依赖覆盖:在项目的 package.json 中显式指定 jsonpath-plus 的 10.0.0 或更高版本,并使用 npm/yarn 的覆盖功能强制使用安全版本。
-
输入验证:如果项目中有使用 jsonpath-plus 处理用户输入的场景,应增加严格的输入验证逻辑,过滤可能包含特定代码的特殊字符和表达式。
最佳实践建议
-
定期依赖检查:建议开发者定期使用 npm audit 或类似工具检查项目依赖的安全状况。
-
最小权限原则:确保运行 serverless-offline 的环境具有最小必要权限,降低潜在攻击的影响范围。
-
开发环境隔离:在开发环境中使用 serverless-offline 时,应与其他关键系统保持适当隔离。
-
长期维护策略:对于仍在使用 Serverless Framework v3 的项目,建议制定升级计划,迁移到受支持的版本。
总结
jsonpath-plus 的远程执行问题再次提醒我们第三方依赖管理的重要性。作为开发者,我们应当建立完善的安全意识,不仅关注自身代码质量,也要密切关注依赖生态的安全状况。Serverless-Offline 团队对此问题的快速响应值得肯定,用户应尽快采取相应措施确保开发环境安全。
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-1.5暂无简介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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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