AdGuard浏览器扩展中$badfilter修饰符导致内存溢出问题的技术解析
2025-06-24 18:39:42作者:薛曦旖Francesca
问题背景
AdGuard浏览器扩展作为一款流行的广告拦截工具,其核心功能依赖于规则引擎对网络请求的过滤。在最新版本(v5.0)的开发过程中,开发团队发现当用户规则中包含特定修饰符组合时,会导致扩展出现内存溢出的严重问题。
问题现象
当用户在自定义过滤规则中添加以下两种形式的规则时:
$popup,third-party,domain=example.org,badfilter$popup,badfilter
在保存这些规则后,扩展会在几秒内耗尽内存资源,导致功能异常。这个问题在MV3(Manifest V3)架构的扩展版本中尤为明显。
技术分析
$badfilter修饰符的作用
$badfilter是AdGuard过滤规则系统中的特殊修饰符,用于禁用其他过滤规则。它的设计初衷是允许用户或维护者能够方便地禁用某些可能产生误拦截的规则,而不需要直接删除原始规则。
问题根源
经过技术团队深入分析,发现问题出在规则解析和匹配的逻辑层:
- 规则解析循环:当引擎处理带有
$badfilter的规则时,会进入一个无效的递归或循环查找过程,试图匹配不存在的原始规则 - 内存管理缺陷:在MV3架构下,扩展的内存使用受到更严格的限制,这种无效匹配过程会快速消耗可用内存
- 修饰符组合冲突:
$popup与$badfilter的组合使用触发了引擎中的边界条件错误
解决方案
该问题已在tsurlfilter(AdGuard的核心过滤引擎)的3.1版本中得到修复。修复方案主要包括:
- 优化规则匹配逻辑:重构了
$badfilter修饰符的处理流程,避免无效的规则查找 - 增加边界条件检查:在解析特殊修饰符组合时添加了额外的验证步骤
- 改进内存管理:针对MV3架构优化了内存使用策略,防止类似情况导致内存耗尽
技术启示
这个案例为浏览器扩展开发提供了几个重要经验:
- 修饰符组合测试:对于规则引擎,需要特别测试各种修饰符的组合使用情况
- MV3适配考量:迁移到MV3架构时,需要重新评估所有功能模块的内存使用情况
- 错误处理机制:对于规则解析这类复杂操作,需要建立完善的错误捕获和处理机制
用户建议
对于使用AdGuard浏览器扩展的用户:
- 及时更新到包含修复的版本
- 在添加复杂规则时,可以先测试简单规则,再逐步添加修饰符
- 遇到类似问题时,可以暂时移除可疑规则并报告问题
该问题的解决体现了AdGuard团队对产品质量的重视,也展示了开源社区协作解决问题的效率。通过持续优化核心引擎,AdGuard能够为用户提供更稳定可靠的广告拦截体验。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0448
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0769
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0313
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
项目优选
收起
暂无描述
Markdown
827
5.49 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
518
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
482
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
811
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
648
287