O3DE项目中AzToolsFramework模块的内存安全问题分析与修复
2025-05-28 06:17:21作者:俞予舒Fleming
问题背景
在O3DE游戏引擎开发过程中,AzToolsFramework模块的PrefabPublicHandler.cpp文件中发现了一个内存安全问题。这个问题在使用Address Sanitizer(ASAN)工具进行内存检测时被发现,属于典型的"use-after-free"(释放后使用)类型的内存错误。
问题分析
问题的核心出现在PrefabPublicHandler.cpp文件中的以下代码片段:
linkPatches.Parse(linkPatchesString.toUtf8().constData());
这段代码存在两个关键问题:
-
临时对象生命周期问题:
toUtf8()方法创建并返回了一个临时的QByteArray对象,而constData()方法返回的是指向该临时对象内部数据的指针。当这行代码执行完毕后,临时QByteArray对象会被立即销毁,导致constData()返回的指针指向的内存区域被释放。 -
潜在缓冲区溢出风险:代码使用了只接受指针参数的Parse版本,而没有传递数据长度信息,这可能导致潜在的缓冲区溢出问题。
技术原理
在C++中,临时对象(也称为右值)的生命周期仅限于它们被创建的表达式。在这个案例中:
linkPatchesString.toUtf8()创建了一个临时QByteArray对象- 对该临时对象调用
constData()获取其内部数据指针 - 当整个表达式执行完毕后,临时QByteArray对象被销毁
- 但Parse方法仍然持有并使用已经被释放的内存指针
这种错误在调试模式下可能不会立即显现,但在特定条件下会导致程序崩溃或数据损坏,是典型的"潜在风险"类型错误。
解决方案
修复方案需要同时解决内存安全和缓冲区安全问题:
QByteArray linkPatchesStringUtf8Encoded = linkPatchesString.toUtf8();
linkPatches.Parse(linkPatchesStringUtf8Encoded.constData(), linkPatchesStringUtf8Encoded.size());
这个修复做了以下改进:
- 延长对象生命周期:将toUtf8()的结果显式存储在一个局部变量中,确保在Parse方法执行期间数据保持有效
- 增加长度检查:使用接受长度参数的Parse版本,防止潜在的缓冲区溢出
- 代码可读性:通过拆分步骤和使用有意义的变量名,提高了代码的可读性
项目影响
这个问题在O3DE项目的开发分支中已经被修复,并计划包含在2025.x版本中。值得注意的是,类似的问题在代码库中可能存在多处(据报告约有1000处),这表明需要进行系统的代码审查和修复。
最佳实践建议
对于使用Qt和类似框架的开发者,在处理字符串转换和临时对象时,建议:
- 避免在单行表达式中链式调用可能返回临时对象的方法
- 对于涉及内存指针的操作,始终考虑对象的生命周期
- 优先使用同时接受指针和长度的API版本
- 在团队开发中建立代码审查机制,特别注意这类潜在问题
- 定期使用ASAN等内存检测工具进行代码扫描
通过这次问题的分析和修复,我们再次认识到内存安全在大型C++项目中的重要性,以及工具辅助检测在提高代码质量方面的价值。
登录后查看全文
热门项目推荐
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
346
147