QuickJS项目中select(2)系统调用的安全隐患与改进方案
2025-07-10 01:13:06作者:俞予舒Fleming
在QuickJS项目的底层I/O处理模块中,开发人员发现了一个潜在的安全隐患。该问题涉及JavaScript引擎与操作系统交互时使用的select(2)系统调用,这个传统的I/O多路复用机制在现代高并发应用中存在明显的设计缺陷。
问题本质
select(2)系统调用是Unix/Linux系统中经典的I/O多路复用机制,但其内部实现存在一个硬性限制:通过fd_set数据结构管理的文件描述符集合大小通常被限制在1024个(由FD_SETSIZE宏定义)。当程序尝试通过FD_SET宏操作超过此限制的文件描述符时,会导致内存越界写入(Out-of-Bounds Write),可能引发程序崩溃或更严重的安全漏洞。
技术背景
在QuickJS的js_os_poll函数实现中,原本使用select(2)来监控多个文件描述符的状态变化。这种设计在文件描述符数量较少时工作正常,但在现代服务器应用中,动辄数千个并发连接的情况下就会暴露出根本性缺陷:
- 固定大小的位图结构:
fd_set内部使用位图来跟踪文件描述符,其大小在编译时就已确定 - 线性扫描开销:即使只有一个文件描述符就绪,
select(2)也需要扫描整个描述符集合 - 时间参数重置:每次调用后需要重新初始化超时参数
解决方案
QuickJS项目通过提交的两个补丁彻底解决了这个问题:
- 替换为poll(2)系统调用:
poll(2)没有文件描述符数量的硬性限制,使用动态分配的结构体数组而非固定大小的位图 - 性能优化:利用
poll(2)的事件驱动特性,避免不必要的全量扫描 - 兼容性处理:确保在不支持
poll(2)的系统上仍有合理的fallback机制
技术影响
这一改进带来了多方面的提升:
- 安全性增强:彻底消除了潜在的缓冲区溢出风险
- 可扩展性提升:支持处理更多并发连接
- 性能优化:减少不必要的系统调用开销
- 现代化架构:与当代高性能I/O模型(如epoll/kqueue)的兼容性更好
开发者启示
这个案例给系统编程开发者提供了重要经验:
- 在使用传统Unix API时需要特别注意其历史局限性
- 文件描述符管理在现代应用中需要特别关注扩展性问题
- 系统级组件的安全审计应该包括所有I/O多路复用机制的实现
- 及时跟进操作系统提供的新特性可以显著提升程序质量和性能
QuickJS项目对此问题的快速响应和处理,展示了开源社区对代码质量和安全性的高度重视,也为其他类似项目提供了有价值的参考案例。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492