Tampermonkey中绕过CSP限制执行eval的技术方案
2025-06-12 21:35:11作者:薛曦旖Francesca
背景介绍
在Chrome扩展开发中,内容安全策略(CSP)是一项重要的安全机制,它通过限制页面中可以加载和执行的内容来源来防止XSS攻击。最近,许多开发者在使用Tampermonkey脚本时遇到了一个常见问题:当尝试使用eval或Function构造函数执行动态代码时,浏览器会抛出"CSP阻止eval调用"的错误。
问题分析
这个问题的根源在于现代网站普遍采用了严格的内容安全策略,其中明确禁止了"unsafe-eval"这类潜在危险的操作。当Tampermonkey脚本尝试在GitHub等网站上执行动态代码时,会遇到以下典型错误:
EvalError: Refused to evaluate a string as JavaScript because 'unsafe-eval' is not an allowed source of script
解决方案
方案一:修改Tampermonkey的CSP设置
Tampermonkey提供了修改CSP头部的选项,这是最简单的解决方案:
- 打开Tampermonkey仪表盘
- 进入设置选项卡
- 找到"修改现有内容安全策略(CSP)头"选项
- 设置为"是"并保存
这种方法会全局修改脚本的CSP策略,允许eval操作,但可能降低安全性。
方案二:使用GM_addElement API
Tampermonkey提供了GM_addElement API,可以更安全地动态添加脚本元素:
GM_addElement('script', {
textContent: `console.log("动态执行的代码");`
});
需要注意的是,这种方式在某些严格CSP环境下可能仍然受限。
方案三:隔离执行环境
更安全的做法是创建一个隔离的执行环境:
- 创建一个隐藏的iframe作为沙箱环境
- 在这个iframe中加载允许eval的内容
- 通过postMessage与主页面通信
这种方法不会破坏主页面的CSP策略,同时又能实现动态代码执行的需求。
最佳实践建议
- 尽量避免在脚本中使用eval或Function构造函数,这是CSP限制的主要目标
- 如果必须执行动态代码,优先考虑使用隔离环境方案
- 在修改CSP策略时要充分评估安全风险
- 考虑将复杂逻辑移至后台脚本或服务器端处理
总结
Tampermonkey脚本在现代Web环境下执行动态代码面临CSP限制是正常的安全机制。开发者应当理解这些限制的初衷,并选择最合适的解决方案平衡功能需求与安全性。通过合理使用Tampermonkey提供的API和创建隔离执行环境,可以在大多数情况下安全地绕过这些限制。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Jetson TX2开发板官方资源完全指南:从入门到精通 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
211