CommonMark 2.7.0 安全更新:防范 XSS 问题的 AttributesExtension 增强
CommonMark 是一个流行的 PHP Markdown 解析器库,它实现了 CommonMark 规范,为开发者提供了强大而灵活的 Markdown 处理能力。Markdown 作为一种轻量级标记语言,广泛用于文档编写、博客发布和内容管理系统等领域。
安全更新背景
CommonMark 2.7.0 版本主要是一个安全更新,针对 AttributesExtension 扩展中发现的潜在跨站脚本(XSS)问题进行了修复。当使用 AttributesExtension 处理不受信任的用户输入时,可能利用此问题注入恶意脚本代码。
主要更新内容
新增配置选项
2.7.0 版本引入了 attributes/allow 配置选项,允许开发者明确指定哪些 HTML 属性可以被用户设置。这一功能提供了更细粒度的控制,增强了安全性。
默认情况下,该选项允许几乎所有属性(出于向后兼容性考虑),但开发者可以根据实际需求进行限制。例如,可以只允许 class、id 等安全属性,而禁止 onclick 等可能执行脚本的属性。
安全增强措施
AttributesExtension 现在会自动阻止所有以 on 开头的属性(如 onclick、onload 等),除非这些属性被明确列入 attributes/allow 允许列表中。这类属性通常用于绑定 JavaScript 事件处理程序,是 XSS 问题的常见载体。
此外,当用户尝试通过 AttributesExtension 设置 href 和 src 属性时,系统现在会尊重 allow_unsafe_links 配置选项。这意味着如果 allow_unsafe_links 设置为 false(默认值),任何可能不安全的链接(如 javascript: 伪协议)都会被自动过滤。
技术影响分析
对于使用 CommonMark 处理用户生成内容的应用程序,这次更新尤为重要。Markdown 通常被认为是一种安全的标记语言,但通过属性扩展,用户可能间接插入不安全的 HTML 属性和内容。
新版本的安全措施采用了"默认拒绝"的安全模型,特别是对于可能执行脚本的属性。这种设计符合现代安全最佳实践,即默认情况下阻止潜在危险的操作,只允许明确认可的行为。
升级建议
所有使用 AttributesExtension 的 CommonMark 用户都应尽快升级到 2.7.0 版本,特别是那些处理不受信任用户输入的应用。升级过程通常只需更新 composer.json 中的版本约束并运行 composer update。
对于需要高度安全性的应用,建议进一步配置 attributes/allow 选项,明确列出允许的属性列表,而不是依赖默认的宽松设置。这样可以最大限度地减少潜在的问题面。
总结
CommonMark 2.7.0 通过引入细粒度的属性控制和安全默认值,显著提升了处理用户生成内容时的安全性。这次更新展示了开源项目对安全问题的快速响应,以及持续改进安全态势的承诺。开发者应当重视这次更新,及时升级以确保应用安全。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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