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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
649
🎉 (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
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
649