System.Linq.Dynamic.Core 安全分析与改进方案
System.Linq.Dynamic.Core 是一个流行的.NET库,它允许开发者在运行时构建LINQ查询。近期该库被发现存在两个重要的安全问题,可能允许通过反射机制获取程序信息或访问静态属性/字段。
问题详情
反射类型信息访问问题
该问题允许通过反射机制访问程序集中的类型信息。可以构造特定的查询表达式,获取程序集中定义的所有类型及其特性信息。这可能导致了解程序集内部结构、依赖的NuGet包信息等数据。
示例代码可以列出程序集中所有类型的自定义特性信息:
string.Join("\r\n", GetType().Assembly.DefinedTypes.SelectMany(t => t.CustomAttributes).Select(a => a.AttributeType).Select(t => t.AssemblyQualifiedName)
静态属性/字段访问问题
第二个问题允许直接访问静态类中的属性和字段。这意味着如果应用程序中有存储信息的静态类(如配置信息等),可以直接获取这些数据。
示例代码可以获取静态类中的令牌信息:
AppSettings.SettingsProp["token"]
问题影响范围
- 反射类型信息访问问题影响System.Linq.Dynamic.Core 1.0.0及以上版本
- 静态属性/字段访问问题影响System.Linq.Dynamic.Core 1.3.10及以上版本
改进方案
开发团队在1.6.0版本中实施了以下改进措施:
1. 移除object类型的预定义支持
核心改进措施是从预定义类型(PredefinedTypes)中移除了object类型。这一变更阻止了通过GetType()方法访问反射API的途径,因为GetType()是object类型的方法。
2. 强化类型访问控制
对于静态属性/字段的访问,现在要求目标类型必须满足以下条件之一:
- 使用DynamicLinqType特性标记
- 通过AdditionalTypes添加到DefaultDynamicLinqCustomTypeProvider中
这一变更确保了只有显式允许的类型才能被动态查询访问。
3. 选择性恢复object方法支持
考虑到兼容性需求,1.6.0版本提供了配置选项来选择性启用object类型的某些方法:
var config = new ParsingConfig {
AllowEqualsAndToStringMethodsOnObject = true
};
启用此配置后,可以恢复对Equals和ToString等基本方法的支持,但GetType()方法仍被禁止,确保安全性不受影响。
升级建议
所有使用System.Linq.Dynamic.Core的项目应考虑升级到1.6.0或更高版本。升级后需要检查:
- 所有使用object类型方法的查询是否需要调整
- 所有需要访问的静态类型是否已正确标记或配置
- 根据实际需求决定是否启用AllowEqualsAndToStringMethodsOnObject选项
对于暂时无法升级的项目,可以考虑在csproj中添加以下配置作为临时解决方案:
<PackageReference Include="System.Linq.Dynamic.Core" Version="1.5.1">
<NoWarn>NU1903</NoWarn>
</PackageReference>
总结
System.Linq.Dynamic.Core 1.6.0版本通过精细化的类型访问控制有效解决了安全问题,在保持库的核心功能同时增强了安全性。开发者应根据项目实际情况评估升级影响,合理配置安全选项,确保应用程序既安全又功能完整。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00