CoreRuleSet项目中关于原型污染防护规则的优化分析
2025-06-30 21:57:31作者:邵娇湘
背景介绍
CoreRuleSet作为一款广泛使用的Web应用防火墙规则集,近期对其原型污染(Prototype Pollution)防护规则进行了重要调整。原型污染是一种JavaScript安全漏洞,攻击者通过修改对象原型链来注入恶意属性或方法,可能导致严重的安全问题。
规则变更分析
原规则934130和934131共同负责防护原型污染攻击,其中934131规则因性能问题被移除。这一调整导致某些特定格式的原型污染攻击载荷不再被检测,例如document[constructor][prototype]这类通过方括号访问构造函数的变体形式。
技术细节
原型污染攻击通常通过以下两种方式实现:
- 直接修改
__proto__属性 - 通过对象的
constructor.prototype链修改原型
原934130规则的正则表达式(?:__proto__|constructor\s*(?:\.|\[)\s*prototype)能够检测以下模式:
- 直接使用
__proto__ - 通过点表示法访问原型,如
constructor.prototype - 通过方括号表示法访问原型,如
constructor['prototype']
但无法检测类似constructor][prototype这样的变体,因为原正则表达式要求constructor后必须紧跟点或方括号开符号。
优化方案
技术团队提出了正则表达式优化方案,将constructor\s*扩展为constructor\s*\]?\s*,主要改进点包括:
- 在
constructor后添加\]?匹配可选的闭方括号 - 保留原有的空白字符匹配
\s* - 维持对点表示法和方括号开符号的检测能力
优化后的正则表达式能够覆盖更多攻击变体,包括:
- 传统形式:
constructor.prototype - 方括号形式:
constructor['prototype'] - 新覆盖的变体:
constructor][prototype
安全影响评估
这一优化确保了防护规则的全面性,特别是针对以下攻击场景:
- 通过数组下标访问构造函数的变体
- 使用非常规空白字符分隔的攻击载荷
- 混淆了属性访问方式的混合攻击
同时,优化后的规则保持了良好的性能特征,不会对系统造成显著负担。
实施建议
对于使用CoreRuleSet的安全团队,建议:
- 及时更新到包含此优化的版本
- 审查现有日志中可能漏报的原型污染攻击尝试
- 结合其他XSS防护规则形成纵深防御
这一改进体现了安全规则需要持续演进以应对不断变化的攻击技术,也展示了开源社区通过协作解决安全问题的有效性。
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
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137