OWASP CheatSheetSeries:REST API中Content-Type与Content-Length的协同处理规范
在REST API安全实践中,请求头部的Content-Type和Content-Length字段处理一直是开发者需要重点关注的安全边界。OWASP CheatSheetSeries项目近期针对这两个关键头部字段的协同处理规范进行了重要更新,特别明确了空内容请求场景下的处理逻辑。
背景与问题
传统REST安全指南通常要求对所有包含请求体的HTTP请求强制验证Content-Type头部,返回406或415状态码拒绝不符合预期的内容类型。但在实际业务场景中,存在Content-Length为0的特殊请求(如占位请求、无变更通知等),这类请求是否需要强制携带Content-Type头部一直存在实践分歧。
核心规范更新
经过技术社区深入讨论,OWASP安全指南确立了以下处理原则:
-
零长度内容豁免原则:当请求头中明确声明Content-Length: 0时,服务端不应强制要求Content-Type头部。这是考虑到空内容本身不具备可分类的数据特征。
-
显式内容类型保留原则:即使Content-Length为0,客户端仍可选择携带Content-Type头部。例如text/plain或application/json等类型化的空内容,在某些业务场景中仍具有语义价值。
-
防御性验证策略:对于非零长度的请求,必须严格执行Content-Type验证,包括:
- 拒绝缺失Content-Type的请求
- 拒绝不受支持的内容类型
- 验证声明类型与实际内容的一致性
技术实现建议
在具体实现层面,建议采用以下处理流程:
if (request.hasBody()) {
if (!request.hasContentType()) {
return 415 Unsupported Media Type;
}
if (!isAllowedContentType(request.getContentType())) {
return 415 Unsupported Media Type;
}
if (request.getContentLength() > 0) {
validateContentMatchesDeclaredType();
}
}
安全与兼容性平衡
这一规范更新体现了安全防护与实际业务需求的平衡:
- 减少误报:避免对合法的空内容请求产生不必要的拦截
- 保持扩展性:允许业务系统定义类型化空内容的特殊语义
- 维持防护强度:对实际数据传输维持严格的内容类型验证
开发者在实施时应当注意,该豁免仅适用于明确声明Content-Length为0的请求。对于使用Transfer-Encoding: chunked的请求,仍应要求正确的Content-Type头部。
最佳实践补充
- 在API文档中明确说明空内容请求的处理规则
- 对关键接口建议保留Content-Type头部以增强可审计性
- 考虑在网关层实现统一的头部验证逻辑
- 对敏感操作建议禁用空内容请求
这一规范更新已被主流WAF规则集采纳,建议所有REST API服务开发者同步调整验证逻辑,在确保安全性的同时提升接口的可用性。
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