AdGuard浏览器扩展中$all修饰符对资源加载拦截失效问题分析
2025-06-24 00:24:19作者:裘晴惠Vivianne
问题背景
AdGuard浏览器扩展是一款广受欢迎的广告拦截工具,其核心功能依赖于规则过滤系统。在4.3.31版本中,发现了一个与$all修饰符相关的功能异常问题,该问题影响了扩展对特定类型网络资源的拦截能力。
问题现象
在AdGuard浏览器扩展4.3.31版本中,使用/.js/$all这样的规则时,无法有效拦截JavaScript文件的加载。而如果使用不带all修饰符在某些情况下未能按预期工作。
技术分析
$all修饰符的设计意图
$all修饰符在AdGuard过滤规则系统中具有特殊意义,它被设计用来拦截所有类型的内容,包括但不限于:
- 脚本文件(如.js)
- 网页文档(document)
- 弹出窗口和重定向
- 直接访问目标网址的行为
按照设计规范,||adserver.com^$all这样的规则应该能够拦截从adserver.com加载的脚本,同时也能阻止用户访问该网站或该网站发起的重定向。
问题根源
经过分析,发现该版本中存在一个实现缺陷:当使用all修饰符实际上只能拦截网页文档类型的请求,而无法拦截脚本、图片等其他资源。
影响范围
此问题影响所有使用$all修饰符的过滤规则,特别是那些需要拦截多种类型资源的复杂规则。例如:
- 拦截特定域名的所有请求
- 同时阻止广告资源和跟踪脚本
- 全面屏蔽恶意网站的所有内容
解决方案
开发团队在后续的4.3.x补丁版本(具体为patch 3)中修复了这一问题。修复后,$all修饰符恢复了其完整功能,能够正确拦截所有类型的网络请求,包括:
- 脚本文件(.js等)
- 样式表
- 图片资源
- 媒体文件
- 网页文档
- 重定向请求
技术启示
这个案例提醒我们,在实现复杂的过滤系统时,需要特别注意:
- 修饰符的边界条件处理
- 内容类型检查的逻辑完整性
- 规则匹配的优先级顺序
- 各功能模块间的交互一致性
对于过滤系统开发者而言,建立全面的测试用例尤为重要,特别是针对各种内容类型和修饰符组合的测试场景。
用户建议
对于使用AdGuard浏览器扩展的用户,建议:
- 及时更新到最新版本以确保获得所有修复和改进
- 检查现有规则中是否包含$all修饰符,确认其是否按预期工作
- 对于关键过滤需求,可考虑使用特定类型修饰符(如image)作为$all的补充
通过这次问题的发现和修复,AdGuard过滤系统的健壮性得到了进一步提升,为用户提供了更可靠的网络内容过滤体验。
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
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
🔥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
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322