如何防止JavaScript中的正則表達式回溯

更新時間：2023年08月15日 10:08:56 作者：dralexsanderl

某些正則表達式模式可能容易受到回溯的影響,這可能會導致超線性運行時,并可能導致DoS攻擊,本文就來介紹一下如何防止JavaScript中的正則表達式回溯,感興趣的可以了解一下

正則表達式是用于在軟件應用程序中操作和驗證文本的強大工具。然而，某些正則表達式模式可能容易受到回溯的影響，這可能會導致超線性運行時，并可能導致DoS攻擊。在本文中，我們將探討什么是回溯、它如何導致性能問題以及如何在正則表達式中防止回溯。

正則表達式中的回溯是什么

回溯是正則表達式引擎用來處理包含可選或重復子模式的復雜模式的技術。當正則表達式模式包含可選或重復的子模式時，引擎可能需要嘗試子模式的多種組合才能找到匹配項。這個過程稱為回溯。

例如，有以下正則表達式：

/^[a-zA-Z0-9\s]+$/

此正則表達式應匹配僅包含字母數(shù)字字符和空格的任何字符串。然而，它很容易受到回溯的影響，因為+字符類后面的運算符允許字符類的任意數(shù)量的重復。

攻擊者可以通過發(fā)送包含一長串不匹配字符的惡意搜索查詢來利用此漏洞，例如：

aaaaaaaaaaaaaaaaaaaaaaaaaaaaaab

該字符串包含 30 個a字符，后跟一個b. 當正則表達式引擎嘗試匹配該字符串時，它將前 30 個a字符與字符類匹配，但無法匹配b字符。然后，引擎將回溯并嘗試字符類的不同組合，直到匹配整個字符串或耗盡所有可能的組合。

在本例中，字符串中有 31 個字符，因此有 2 種可能的字符類組合可供嘗試。這可能需要很長的時間，可能會導致服務器遭受 DoS 攻擊。

為了防止此漏洞，您可以修改正則表達式以使用*運算符代替+運算符，如下所示：

/^[a-zA-Z0-9\s]*$/

使用*可以使正則表達式不易受到回溯并降低 DoS 攻擊的風險，因為它減少了正則表達式引擎需要探索的可能路徑的數(shù)量。

+的意思是“一個或多個”，而*的意思是“零個或多個”。使用+時，正則表達式引擎必須在放棄之前嘗試與模式匹配的所有可能的字符組合。這可能會導致回溯并導致引擎花費過多的時間來嘗試匹配字符串，從而更容易受到 DoS 攻擊。

另一方面，使用*使子模式成為可選，這意味著如果不匹配，正則表達式引擎可以完全跳過它。這減少了引擎需要探索的可能路徑的數(shù)量。

回溯可能會通過兩種方式導致性能問題：

超線性運行時間：回溯可能會導致正則表達式模式的運行時間變得超線性，這意味著匹配模式所需的時間增長速度快于輸入字符串的長度。這可能會使該模式對于長輸入字符串極其緩慢，并且如果將該模式應用于不受信任的用戶輸入，則可能會導致 DoS 攻擊。
高內存使用量：回溯還會導致正則表達式引擎使用大量內存，特別是當模式包含嵌套的可選或重復的子模式時。這可能會導致應用程序內存不足并崩潰。