OWASP CheatSheetSeries:关于CSRF防护中自定义头部的技术澄清
2025-05-05 10:58:31作者:卓炯娓
前言
在Web安全领域,跨站请求伪造(CSRF)一直是开发者需要重点防范的安全威胁之一。OWASP CheatSheetSeries作为权威的安全指南,为开发者提供了各种防护措施的指导建议。然而,近期社区发现其中关于使用自定义HTTP头部防御CSRF的部分描述存在技术性偏差,本文将对此进行专业的技术澄清。
浏览器跨域请求与自定义头部的真实行为
原始描述的偏差
原指南中存在两个关键性技术描述需要修正:
- "浏览器默认不允许JavaScript发起携带自定义头部的跨域请求" - 这个描述不完全准确
- "只有来自同源的JavaScript才能添加这些头部" - 这个说法存在根本性错误
实际浏览器行为
现代浏览器(包括Chrome、Firefox、Safari等主流浏览器)对跨域请求中自定义头部的处理机制是统一的:
- 允许添加:任何JavaScript代码,无论来自哪个源,都可以在请求中添加自定义HTTP头部
- 预检机制:当请求满足以下条件时,浏览器会自动发起预检(Preflight)OPTIONS请求:
- 使用非简单方法(POST、PUT、DELETE等)
- 包含非简单头部(自定义头部均属此类)
- 包含Content-Type且值不为application/x-www-form-urlencoded、multipart/form-data或text/plain
自定义头部防御CSRF的正确原理
实际防护机制
使用自定义头部防御CSRF的有效性基于以下技术原理:
- 预检要求:自定义头部强制浏览器执行CORS预检
- 服务器控制:服务器通过CORS配置限制可接受的源
- 正确配置的Access-Control-Allow-Origin
- 明确列出允许的自定义头部
- 同源策略辅助:虽然任何JavaScript都能添加头部,但只有通过预检的请求才会被服务器处理
关键配置要点
开发者必须确保:
- 服务器端正确配置CORS策略,仅允许受信任的源
- 检查请求中必须存在的自定义头部
- 拒绝所有未通过预检的跨域请求
对开发者的实践建议
- 不要依赖"浏览器阻止"的假象:明白防护的核心在于服务器配置而非浏览器默认行为
- 完整实施CORS:不仅要检查自定义头部,还要正确配置源限制
- 结合其他措施:考虑同时使用CSRF令牌等多重防护
- 测试验证:使用不同源的JavaScript测试自定义头部请求是否被正确拦截
总结
OWASP指南中关于CSRF防护的部分描述需要更新以反映现代浏览器的实际行为。理解自定义头部防御的真实原理有助于开发者更有效地实施防护措施。关键在于认识到这种防护的有效性依赖于正确的CORS配置,而非浏览器对自定义头部的默认处理方式。开发者应当基于这些准确的技术认知来构建更安全的Web应用。
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
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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
🔥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
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
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878