深入解析 hapijs/bourne:安全处理 JSON 中的原型问题
什么是原型问题?
在 JavaScript 中,原型问题是一种安全风险,当开发者能够修改对象的原型时,可能会导致意外的行为或安全问题。这种操作通常通过特殊的 JSON 数据实现,特别是包含 __proto__ 属性的对象。
考虑以下示例代码:
const a = '{"__proto__":{ "b":5}}';
const b = JSON.parse(a);
const c = Object.assign({}, b);
console.log(c.b); // 输出 5
在这个例子中,虽然 b.b 是 undefined,但当对象被复制时,__proto__ 属性会泄漏并成为新对象的原型,导致 c.b 返回 5。这就是典型原型问题的表现。
hapijs/bourne 的作用
hapijs/bourne 是一个专门设计用于安全解析 JSON 的库,它提供了多种方法来防止原型问题。与原生 JSON.parse() 不同,bourne 能够检测并处理潜在的 __proto__ 属性。
核心 API 详解
1. Bourne.parse(text, [reviver], [options])
这是 bourne 的主要解析方法,用于将 JSON 字符串转换为 JavaScript 对象。
参数说明:
text: 要解析的 JSON 字符串reviver: 可选参数,与原生JSON.parse()的 reviver 函数功能相同options: 配置对象,包含以下可选属性:protoAction: 指定如何处理__proto__属性'error'(默认): 发现__proto__时抛出SyntaxError'remove': 自动删除结果对象中的__proto__键'ignore': 跳过验证,等同于直接使用JSON.parse()
使用示例:
const Bourne = require('@hapi/bourne');
// 默认情况下会抛出错误
try {
const obj = Bourne.parse('{"__proto__": {"polluted": true}}');
} catch (err) {
console.error(err); // 抛出 SyntaxError
}
// 使用 remove 选项自动删除 __proto__ 属性
const safeObj = Bourne.parse('{"__proto__": {"polluted": true}}', null, { protoAction: 'remove' });
console.log(safeObj); // 输出: {}
2. Bourne.scan(obj, [options])
这个方法用于扫描现有对象,检查是否存在原型风险。
参数说明:
obj: 要扫描的对象options: 配置对象,包含以下可选属性:protoAction: 指定如何处理__proto__属性'error'(默认): 发现__proto__时抛出SyntaxError'remove': 自动删除输入对象中的__proto__键
使用场景: 当你从不受信任的来源获取了一个对象,想要确保它不会导致原型问题时,可以使用这个方法。
示例代码:
const untrustedObj = JSON.parse('{"__proto__": {"x": 1}}');
// 扫描并删除 __proto__ 属性
Bourne.scan(untrustedObj, { protoAction: 'remove' });
console.log(untrustedObj); // 输出: {}
3. Bourne.safeParse(text, [reviver])
这是 parse() 方法的安全版本,当发现 __proto__ 属性时不会抛出错误,而是返回 null。
特点:
- 更友好的错误处理方式
- 适合在不希望抛出异常的场景中使用
- 内部使用
protoAction: 'error'但转换为返回null
示例代码:
const result = Bourne.safeParse('{"__proto__": {"polluted": true}}');
console.log(result); // 输出: null
const validResult = Bourne.safeParse('{"safe": true}');
console.log(validResult); // 输出: { safe: true }
实际应用建议
-
处理用户输入的 JSON 数据时:始终使用 bourne 的
parse或safeParse方法替代原生JSON.parse() -
处理第三方 API 响应时:即使 API 声称是可信的,也建议使用
scan方法进行二次验证 -
配置选择建议:
- 在开发环境使用
protoAction: 'error'以便及时发现潜在问题 - 在生产环境可以考虑
protoAction: 'remove'以避免服务中断
- 在开发环境使用
-
性能考虑:
parse和safeParse的性能略低于原生JSON.parse()- 仅在处理不受信任的数据时使用 bourne,对完全可信的数据可以直接使用原生方法
总结
hapijs/bourne 为解决 JSON 解析中的原型问题提供了简单而有效的解决方案。通过其提供的三种主要方法,开发者可以根据不同场景选择合适的方式来保护应用免受原型问题。在安全至关重要的应用中,使用 bourne 这样的专用库来处理 JSON 数据是一个值得推荐的最佳实践。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00