HTML与javascript自解码机制
关于这个自解码机制,我们直接以一个例子来进行说明:
样例0:
<input type="button" id="exec_btn" value="exec" οnclick="document.write ('<img src=@ οnerrοr=alert(123) />')" />
我们假设document.write里的值是用户可控的输入,点击后,document.write出现一段img HTML,onerror里的JavaScript会执行。此时陷阱来了,我们现在提供一段HtmlEncode函数如下
样例A:
<script>
function HtmlEncode(str) {
var s = "";
if (str.length == 0) return "";
s = str.replace(/&/g, "&");
s = s.replace(/</g, "<");
s = s.replace(/>/g, ">");
s = s.replace(/\"/g, """);
return s;
}
</script>
<input type="button" id="exec_btn" value="exec" οnclick="document.write (HtmlEncode('<img src=@ οnerrοr=alert(123) />'))" />
我们知道HtmlEncode('<img src=@ οnerrοr=alert(123) />')
后的结果是:
<img src=@ οnerrοr=alert(123) />
这个样例A点击后会执行alert(123)吗?下面这个呢?
样例B:
<input type="button" id="exec_btn" value="exec" οnclick="document.write ('<img src=@ οnerrοr=alert(123) />)" />
在样例A和样例B中,document.write的值似乎是一样的?实际结果是样例A点击不会执行alert(123),而是在页面上完整地输出<img src=@ οnerrοr=alert(123) />
,而样例B点击后会执行alert(123)。
我们要告诉大家的是,点击样例B时,document.write的值实际上不再是:
<img src=@ οnerrοr=alert(123) />
而是:
<img src=@ οnerrοr=alert(123) />
我们可以这样论证:
<input type="button" id="exec_btn" value="exec" οnclick="x='<img src=@ οnerrοr=alert(123) />';alert(x);document.write(x)" />
看弹出的x值就知道了,如图6-1所示。
出现这个结果的原因如下:
onclick里的这段JavaScript出现在HTML标签内,意味着这里的JavaScript可以进行HTML形式的编码,这种编码有以下两种。
- 进制编码:&#xH;(十六进制格式)、&#D;(十进制格式),最后的分号(;)可以不要。
- HTML实体编码:即上面的那个HtmlEncode。
在JavaScript执行之前,HTML形式的编码会自动解码。所以样例0与样例B的意义是一样的,而样例A就不一样了。下面我们继续完善这些例子。
上面的用户输入是出现在HTML里的情况,如果用户输入出现在<script>
里的JavaScript中,情况会怎样,代码如下:
<input type="button" id="exec_btn" value="exec" />
<script>
function $(id){return document.getElementById(id);};
$('exec_btn').onclick = function(){
document.write('<img src=@ οnerrοr=alert(123)/>');
//document.write('<img src=@ οnerrοr=alert(123) />');
};
</script>
这样是可以执行alert(123)的,如果用户输入的是下面的内容:
<img src=@ οnerrοr=alert(123) />
结果与样例B一样:这段HTML编码的内容在JavaScript执行之前自动解码吗?答案是不会,原因是用户输入的这段内容上下文环境是 JavaScript,不是HTML(可以认为<script>
标签里的内容和HTML环境毫无关系),此时用户输入的这段内容要遵守的是 JavaScript法则,即JavaScript编码,具体有如下几种形式。
- Unicode形式:\uH(十六进制)。
- 普通十六进制:\xH。
- 纯转义:\’、\”、\<、>这样在特殊字符之前加\进行转义。
比如,用户输入被转义成如下形式:
<img src\=@ οnerrοr=alert123123 \/\>
这样的防御毫无意义,在JavaScript执行之前,这样的转义会自动去转义,alert(123)照样执行。同样,下面这样的JavaScript编码也毫无意义:
<img src=@ οnerrοr=alert(123) />
-->
\u003c\u0069\u006d\u0067\u0020\u0073\u0072\u0063\u003d\u0040\u0020\u006f\u006e\u0065\u0072\u0072\u006f\u0072\u003d\u0061\u006c\u0065\u0072\u0074\u0028\u0031\u0032\u0033\u0029\u0020\u002f\u003e
\x3c\x69\x6d\x67\x20\x73\x72\x63\x3d\x40\x20\x6f\x6e\x65\x72\x72\x6f\x72\x3d\x61\x6c\x65\x72\x74\x28\x31\x32\x33\x29\x20\x2f\x3e
在JavaScript执行之前,这样的编码会自动解码。
通过这几个样例,我们可以知道在HTML中与在JavaScript中自动解码的差异。如果防御没区分这样的场景,就会出问题。
参考文献:
钟晨鸣. Web前端黑客技术揭秘[M]. 电子工业出版社, 2013.