6. 不完整的正則表達式匹配

正則表達式（regex）是大多數 Web 程序不可或缺的一部分。我們經常能看到它被自定義的 Web 應用防火墻（WAF，Web Application Firewalls）用來作輸入驗證，例如檢測惡意字符串。在 Python 中，re.match 和 re.search 之間有著細微的區別，我們將在下面的代碼片段中演示。

def is_sql_injection(request):
    pattern = re.compile(r".*(union)|(select).*")
    name_to_test = request.GET['name']
    if re.search(pattern, name_to_test):
        return True
    return False

在第 2 行中，我們定義了一個匹配 union 或者 select 的模式，以檢測可能的 SQL 注入。這是一個糟糕的寫法，因為你可以輕易地繞過這些黑名單，但我們已經在線上的程序中見過它。在第 4 行中，函數 re.match 使用前面定義好的模式，檢查第 3 行中的用戶輸入內容是否包含這些惡意的值。

然而，與 re.search 函數不同的是，re.match 函數不匹配新行。例如，如果攻擊者提交了值 aaaaaa \n union select，這個輸入就匹配不上正則表達式。因此，檢查可以被繞過，失去保護作用。

總而言之，我們不建議使用正則表達式黑名單進行任何安全檢查。

7. Unicode 清洗器繞過

Unicode 支持用多種形式來表示字符，并將這些字符映射到碼點。在 Unicode 標準中，不同的 Unicode 字符有四種歸一化方案。程序可以使用這些歸一化方法，以獨立于人類語言的標準方式來存儲數據，例如用戶名。

然而，攻擊者可以利用這些歸一化，這已經導致了 Python 的 urllib 出現漏洞（CVE-2019-9636）。下面的代碼片段演示了一個基于 NFKC 歸一化的跨站點腳本漏洞（XSS,Cross-Site Scripting）。

import unicodedata
from django.shortcuts import render
from django.utils.html import escape

def render_input(request):
    user_input = escape(request.GET['p'])
    normalized_user_input = unicodedata.normalize("NFKC", user_input)
    context = {'my_input': normalized_user_input}
    return render(request, 'test.html', context)

在第 6 行中，用戶輸入的內容被 Django 的 escape 函數處理了，以防止 XSS 漏洞。在第 7 行中，經過清洗的輸入被 NFKC 算法歸一化，以便在第 8-9 行中通過 test.html 模板正確地渲染。

templates/test.html

在模板 test.html 中，第 4 行的變量 my_input 被標記為安全的，因為開發人員預期有特殊字符，并且認為該變量已經被 escape 函數清洗了。通過標記關鍵字 safe, Django 不會再次對變量進行清洗。

但是，由于第 7 行（view.py）的歸一化，字符“%EF%B9%A4”會被轉換為“<”，“%EF%B9%A5”被轉換為“>”。這導致攻擊者可以注入任意的 HTML 標記，進而觸發 XSS 漏洞。為了防止這個漏洞，就應該在把用戶輸入做完歸一化之后，再進行清洗。

8. Unicode 編碼碰撞

前文說過，Unicode 字符會被映射成碼點。然而，有許多不同的人類語言，Unicode 試圖將它們統一起來。這就意味著不同的字符很有可能擁有相同的“layout”。例如，小寫的土耳其語 ?（沒有點）的字符是英語中大寫的 I。在拉丁字母中，字符 i 也是用大寫的 I 表示。在 Unicode 標準中，這兩個不同的字符都以大寫形式映射到同一個碼點。

這種行為是可以被利用的，實際上已經在 Django 中導致了一個嚴重的漏洞（CVE-2019-19844）。下面的代碼是一個重置密碼的示例。

from django.core.mail import send_mail
from django.http import HttpResponse
from vuln.models import User

def reset_pw(request):
    email = request.GET['email']
    result = User.objects.filter(email__exact=email.upper()).first()
    if not result:
        return HttpResponse("User not found!")
    send_mail('Reset Password','Your new pw: 123456.', 'from@example.com', [email], fail_silently=False)
    return HttpResponse("Password reset email send!")

第 6 行代碼獲取了用戶輸入的 email，第 7-9 行代碼檢查這個 email 值，查找是否存在具有該 email 的用戶。如果用戶存在，則第 10 行代碼依據第 6 行中輸入的 email 地址，給用戶發送郵件。需要指出的是，第 7-9 行中對郵件地址的檢查是不區分大小寫的，使用了 upper 函數。

至于攻擊，我們假設數據庫中存在一個郵箱地址為 foo@mix.com 的用戶。那么，攻擊者可以簡單地傳入 foo@m?x.com 作為第 6 行中的 email，其中 i 被替換為土耳其語 ?。第 7 行代碼將郵箱轉換成大寫，結果是 FOO@MIX.COM。這意味著找到了一個用戶，因此會發送一封重置密碼的郵件。

然而，郵件被發送到第 6 行未轉換的郵件地址，也就是包含了土耳其語的 ?。換句話說，其他用戶的密碼被發送到了攻擊者控制的郵件地址。為了防止這個漏洞，可以將第 10 行替換成使用數據庫中的用戶郵箱。即使發生編碼沖突，攻擊者在這種情況下也得不到任何好處。

9. IP 地址歸一化

在 Python < 3.8 中，IP 地址會被 ipaddress 庫歸一化，因此前綴的零會被刪除。這種行為乍一看可能是無害的，但它已經在 Django 中導致了一個高嚴重性的漏洞（CVE-2021-33571）。攻擊者可以利用歸一化繞過校驗程序，發起服務端請求偽造攻擊（SSRF，Server-Side Request Forgery）。

下面的代碼展示了如何繞過這樣的校驗器。

import requests
import ipaddress

def send_request(request):
    ip = request.GET['ip']
    try:
        if ip in ["127.0.0.1", "0.0.0.0"]:
            return HttpResponse("Not allowed!")
        ip = str(ipaddress.IPv4Address(ip))
    except ipaddress.AddressValueError:
        return HttpResponse("Error at validation!")
    requests.get('https://' + ip)
    return HttpResponse("Request send!")

第 5 行代碼獲取用戶傳入的一個 IP 地址，第 7 行代碼使用一個黑名單來檢查該 IP 是否為本地地址，以防止可能的 SSRF 漏洞。這份黑名單并不完整，僅作為示例。

第 9 行代碼檢查該 IP 是否為 IPv4 地址，同時將 IP 歸一化。在完成驗證后，第 12 行代碼會對該 IP 發起實際的請求。

但是，攻擊者可以傳入 127.0.001 這樣的 IP 地址，在第 7 行的黑名單列表中找不到。然后，第 9 行代碼使用 ipaddress.IPv4Address 將 IP 歸一化為 127.0.0.1。因此，攻擊者就能夠繞過 SSRF 校驗器，并向本地網絡地址發送請求。

10. URL 查詢參數解析

在 Python < 3.7 中，urllib.parse.parse_qsl 函數允許使用“;”和“&”字符作為 URL 的查詢變量的分隔符。有趣的是“;”字符不能被其它語言識別為分隔符。

在下面的例子中，我們將展示為什么這種行為會導致漏洞。假設我們正在運行一個基礎設施，其中前端是一個 PHP 程序，后端則是一個 Python 程序。

攻擊者向 PHP 前端發送以下的 GET 請求:

GET https://victim.com/?a=1;b=2

PHP 前端只識別出一個查詢參數“a”，其內容為“1;b=2”。PHP 不把“;”字符作為查詢參數的分隔符。現在，前端會將攻擊者的請求直接轉發給內部的 Python 程序:

GET https://internal.backend/?a=1;b=2

如果使用了 urllib.parse.parse_qsl，Python 程序會處理成兩個查詢參數，即“a=1”和“b=2”。這種查詢參數解析的差異可能會導致致命的安全漏洞，比如 Django 中的 Web 緩存投毒漏洞（CVE-2021-23336）。

總結

我們介紹了 10 個 Python 安全陷阱，我們認為開發者不太了解它們。每個細微的陷阱都很容易被忽視，并在過去導致了線上程序的安全漏洞。

正如前文所述，安全陷阱可能出現在各種操作中，從處理文件、目錄、壓縮文件、URL、IP 到簡單的字符串。一種常見的情況是庫函數的使用，這些函數可能有意想不到的行為。這提醒我們一定要升級到最新版本，并仔細閱讀文檔。在 SonarSource 中，我們正在研究這些缺陷，以便將來不斷改進我們的代碼分析器。

審核編輯：湯梓紅