nlohmann/json项目中的Jinja2相关漏洞分析与修复建议
问题背景
近期在nlohmann/json项目中报告了两个与Jinja2模板引擎相关的潜在风险(CVE-2024-22195和CVE-2024-34064)。这两个问题都涉及Jinja2的xmlattr过滤器在处理XML/HTML属性时的注意事项。虽然问题直接关联的是Jinja2库,但由于nlohmann/json项目可能间接使用或依赖Jinja2,因此需要引起重视。
问题详情
CVE-2024-22195问题分析
该问题源于Jinja2的xmlattr过滤器未能正确处理属性键中的空格字符。在XML/HTML规范中,属性之间使用空格分隔,因此如果属性键本身包含空格,会导致解析器将其误认为是多个属性。
在某些情况下,可能通过注入包含空格的特定属性键,实现属性注入。例如,当应用程序接受用户输入的属性键并直接传递给xmlattr过滤器时,可能构造类似onerror=alert(1)这样的输入,最终可能导致跨站脚本问题。
CVE-2024-34064问题分析
这是对CVE-2024-22195问题的进一步扩展和改进。最初处理仅针对了空格字符,但后续发现xmlattr过滤器还应处理其他非属性字符,包括:
- 斜杠(/)
- 大于号(>)
- 等号(=)
这些字符在XML/HTML属性中都有特殊含义,如果出现在属性键中,同样会导致属性注入风险。例如,等号(=)可能被用来构造新的属性键值对,而大于号(>)可能用于提前关闭标签。
影响范围
这两个问题主要影响以下情况:
- 应用程序接受用户输入的属性键(而不仅仅是属性值)
- 这些用户输入未经充分验证就直接传递给xmlattr过滤器
- 渲染后的内容会被其他用户看到(导致XSS问题)
值得注意的是,仅接受属性值作为用户输入的情况不受此问题影响,因为属性值有正确的转义处理。
改进方案
Jinja2团队已在3.1.3版本中处理了这两个问题。改进措施包括:
- 对xmlattr过滤器输入的键进行严格验证
- 拒绝包含空格、斜杠、大于号或等号的键
- 明确将接受键作为用户输入标记为需要注意的使用模式
对于nlohmann/json项目用户,建议采取以下措施:
- 检查项目中是否使用了Jinja2模板引擎
- 确认Jinja2版本是否为需要注意的3.1.2或更早版本
- 升级到Jinja2 3.1.3或更高版本
- 审查代码中所有使用xmlattr过滤器的地方,确保不会直接将用户输入作为属性键
最佳实践
即使升级了Jinja2版本,也建议开发者遵循以下实践:
- 尽量避免接受用户输入的属性键
- 如果必须接受用户输入的键,应实施严格的白名单验证
- 对所有用户提供的内容进行适当的转义处理
- 实施内容安全策略(CSP)作为额外的防护层
总结
虽然这两个CVE直接关联的是Jinja2模板引擎,但作为广泛使用的JSON库,nlohmann/json项目的用户应当关注这些注意事项。通过及时升级依赖库和遵循安全编码实践,可以有效防范潜在的问题风险。开发者应当特别注意模板渲染过程中对用户输入的处理方式,确保不会将不受信任的内容直接作为HTML属性键使用。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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