原创
升斗安全XiuXiu
升斗安全XiuXiu
升斗安全
2026年https://gm7.org/api/article/1https://gm7.org/api/article/1月https://gm7.org/api/article/17日 07:57
广东
去阅读
【文章说明】
- 目的:本文内容仅为网络安全技术研究与教育目的而创作。
- 红线:严禁将本文知识用于任何未授权的非法活动。使用者必须遵守《网络安全法》等相关法律。
- 责任:任何对本文技术的滥用所引发的后果自负,与本公众号及作者无关。
- 免责:内容仅供参考,作者不对其准确性、完整性作任何担保。
阅读即代表您同意以上条款。
这篇聊的是 20https://gm7.org/api/article/19 年 PortSwigger 一篇不长的研究札记。作者没找崩溃,也没挖内存洞,只是把 Unicode 表里一百多万个字符挨个塞给浏览器,问了一句「这个你认不认」,结果在 Firefox 里翻出三个能绕过 XSS 过滤器的怪癖。我借安检口打了个比方,顺手把中文译本漏掉的规范依据、以及作者自己那句最要紧的免责声明补回来。没写过前端、没读过规范也不影响看懂。
干这行十几年,最不好写的报告,往往不是最严重的那个洞。
弹窗、报错、外联、日志一片红,这种活儿好交:截图一贴,危害一目了然。怕的是另一种——页面没崩,服务器没动静,WAF 没拦到东西,Burp 历史里那次请求干干净净,可它偏偏就执行了。你写「可导致 XSS」,审核回一句「请提供危害证明」,然后就没然后了。
20https://gm7.org/api/article/19 年 5 月 PortSwigger 有篇札记,讲的就是这么一类东西。Gareth Heyes 在 Firefox 67 上翻出三个怪癖,没一个跟内存破坏有关,全是「浏览器认了一个规范没允许的字符」。七个年头过去,具体那三个字符早就不好使了,但他找东西的那套办法,到今天还在养活一堆赏金猎人。
我更想聊的也是这套办法。
别找炸弹,找安检员打盹的那一下
一般说 fuzz,脑子里浮现的是把畸形数据往程序里砸,砸到它崩,崩了说明有内存问题,接着上调试器。这条路走了快二十年,工具链很成熟。
Gareth 换个了问法:我不关心它崩不崩,我关心它干了不该干的事。
比方说安检口。绝大多数人盯着「有没有人带炸弹」,他盯的是「安检员看见哪件行李没按手册按铃」。手册上写着哪些东西必须拦,可机器实际放行了一件手册没写的,那件东西本身不危险——危险的是它刚好能替你把某个关键字从过滤器的眼皮底下带进去。
这类差异有个正经名字,叫解析器差异。过滤器、净化库、WAF 是照着规范(或者照着作者以为的规范)写的一份规则手册,浏览器最终读文本用的是另一份实现。两份手册之间那道缝,就是 XSS 还能活到今天的主要原因之一。
想找这道缝,不用猜,问浏览器就行。但它不会开口,得设计一个只能用「是 / 否」回答的问题。
一百万件行李,一次过完
他给自己定的第一个问题是:除了-->和--!>,还有哪些字符能关闭一个 HTML 注释?
问题看着窄,妙就妙在窄。答案必须是二值的,而且能用代码自动判。
模板搭好了:
log = [];div = document.createElement('div');for (i = 0; i <= 0xhttps://gm7.org/api/article/10ffff; i++) { div.innerHTML = '<!-- --!' + String.fromCodePoint(i) + '><img>-->'; if (div.querySelector('img')) log.push(i);}input.value = log;
拆开看就四件事:一个复用的 div,一段写死的模板,一个待试字符,一个判定信号。
模板里 是探针。正常情况下整段都是注释,img 只是注释文字,压根不会变成元素。可要是某个字符让注释提前合上了,img 就成了真标签,querySelector('img') 立刻能抓到。浏览器自己举手回答了「是」,不需要人眼看,也不需要读跨源内容。
循环跑到 0xhttps://gm7.org/api/article/10ffff,也就是 https://gm7.org/api/article/1,https://gm7.org/api/article/1https://gm7.org/api/article/14,https://gm7.org/api/article/1https://gm7.org/api/article/12 个码点,从 0 号一直试到 Unicode 的天花板。这里用 String.fromCodePoint 而不是老 fromCharCode,因为后者只够到 0xFFFF,上面那十几个平面的字符根本造不出来。
还有个提速的小动作容易被略过:他只建了一个 div,每次循环改它的 innerHTML,不再把一百万个向量逐个 append 到当前文档里。他 2008 年做 Shazzer 那会儿,一页塞一万条就到顶了;到 20https://gm7.org/api/article/19 年机器快了,加上 DOM 这条近路,一次跑完全表成了日常操作。工具用的是自己的 Hackvertor,其实随便起个本地 Web 服务器也一样干。
结果 Firefox 67 报回来两个数字:https://gm7.org/api/article/10 和 https://gm7.org/api/article/13。换行 \
和回车 \r。
第一张不该放行的通行证
--! 后面跟个换行,再把 > 补上,注释就关了。听着像玄学,翻规范反倒特别朴素。
WHATWG 的 HTML 解析器是台状态机。注释读到 -- 会进「comment end state」,这时候只有 > 才结束注释,! 会转进「comment end bang state」,再遇到 > 才收尾(顺带记一笔 incorrectly-closed-comment 的解析错误,所以 --!> 是合法但带警告的写法)。这两个状态里的「其他情况」写得很清楚:把--!追加回注释内容,退回 comment state 继续吃字符。
换行属于「其他情况」。按手册,它应该被吞进注释里,注释不结束,img 永远是个字符串。Firefox 67 没这么干,它把 --!\
当成结束信号了。
于是 payload 就是这么个东西(我用 \
标出来,实际是个真换行):
<!-- --!\
><img src=https://gm7.org/api/article/1 onerror=alert(https://gm7.org/api/article/1)> -->
过滤器看见的是一条老老实实的注释,浏览器看见的是注释结束了、后面多了个带事件处理器的图片。弹窗就是这么来的。作者当时补了句「有人告诉我后续版本会修」,没给 bug 号,我也就不替他编了。
反过来,用注释去撬属性
第二个问题他掉了个头:哪些字符能打开一个 HTML 注释?
这回不是从注释里往外跑,是拿注释当撬棍,从一个 HTML 属性里跑出来。很多页面会把用户输入塞进 title=\"...\" 这类属性,引号没闭合之前,你写什么都是属性值。可一旦能凭空造出一个注释开始,它就会一路把后面的东西吃掉,边界整个改写。
模板改成:
div.innerHTML = '<!-' + String.fromCodePoint(i) + '- ><img>”>';
待试字符插在第一个连字符后面。如果它真能开注释,”>';
\\x00 那个反斜杠别丢,丢了就只是三个普通字符,什么都不会发生。

## 最离谱的是,JS 门卫把人当空气
前两个还在 HTML 层,第三个换到 JavaScript。灵感来自 @jinmohttps://gm7.org/api/article/123 一条推文,讲 ES6 那堆不带括号也能调函数的写法(反引号模板标签、onerror=alert;throw https://gm7.org/api/article/1 那一类)。Gareth 顺着想到另一个问题:in和instanceof后面,到底允许跟哪些字符?
判定信号换成 eval 抛不抛异常:
log = [];for (i = 0; i <= 0xhttps://gm7.org/api/article/10ffff; i++) { try { eval('/a/' + String.fromCodePoint(i) + 'instanceof function(){}'); log.push(i); } catch (e) {}}input.value = log;
/a/ 是个正则字面量,instanceof 右边跟个匿名函数表达式,中间那一位只要能被当成空白,整句就是合法 JS,不抛错;要是不能被当空白,词法上直接粘连成一团,异常一抛就被 catch 吃掉,循环继续。不抛错,就等于浏览器承认「这字符我当它是空格」。同样的代码搬到 Chrome,回的是一小撮规规矩矩的空白字符;Firefox 67 呼啦啦吐出一大片。
他挑了 https://gm7.org/api/article/1https://gm7.org/api/article/1https://gm7.org/api/article/14https://gm7.org/api/article/1https://gm7.org/api/article/10,十六进制 0xhttps://gm7.org/api/article/10fffe。
这个数得停一下。Unicode 一共 https://gm7.org/api/article/17 个平面,每个平面最后两个码点永久保留,不分配给任何字符,叫 noncharacter;U+https://gm7.org/api/article/10FFFE 就是第 https://gm7.org/api/article/16 平面倒数第二个,编号 https://gm7.org/api/article/1https://gm7.org/api/article/1https://gm7.org/api/article/14https://gm7.org/api/article/1https://gm7.org/api/article/10。而 ECMAScript 的空白表(ECMA-262 表 3https://gm7.org/api/article/1)列得很死:TAB、VT、FF、ZWNBSP,加上 General\\_Category 为 Zs 的空格类字符,一共就这么点,还特意注明「有 White\\_Space 属性但不属于 Zs 的,一律不算」。U+https://gm7.org/api/article/10FFFE 属于 Cn,连 Zs 的边都摸不着,按规范压根不该被当空白。
Firefox 67 把它当空气了。于是:
eval(”https://gm7.org/api/article/1337” + String.fromCodePoint(https://gm7.org/api/article/1https://gm7.org/api/article/1https://gm7.org/api/article/14https://gm7.org/api/article/1https://gm7.org/api/article/10) + ”in” + String.fromCodePoint(https://gm7.org/api/article/1https://gm7.org/api/article/1https://gm7.org/api/article/14https://gm7.org/api/article/1https://gm7.org/api/article/10) + ”alert(https://gm7.org/api/article/1337)”);
在那个浏览器眼里,这行是 https://gm7.org/api/article/1337 in alert(https://gm7.org/api/article/1337)。这里有个原文没点破、但特别值得记的细节:in 要先算右边的操作数,alert(https://gm7.org/api/article/1337) 先弹窗,之后才轮到检查右操作数是不是对象——undefined 显然不是,于是抛 TypeError。弹窗发生在报错之前,控制台那道红字一点都不影响结果。写报告时把这句补上,审核就不会问「这不报错了吗」。
还有个更漂亮的写法:
https://gm7.org/api/article/10fffe;alerthttps://gm7.org/api/article/10fffe;(https://gm7.org/api/article/1)https://gm7.org/api/article/10fffe;
```
为什么 里的字符实体能被解码?按 HTML 规范,普通 HTML 是 raw text 元素,tokenizer 进 script data state,& 不解码;但 SVG 属于 foreign content,这套解析模式不会把 tokenizer 切到 script data state,字符引用照常解。规范编辑 Ian Hickson 当年被问到这事儿,回的是「不算完美,但这是有意为之」。
另一半依据是字符引用本身:HTML 数字字符引用遇到 noncharacter 只记一条 parse error,不替换成 U+FFFD(0x00、代理项、超出 0xhttps://gm7.org/api/article/10FFFF 才会被换成替换字符)。所以 真的会变成那个隐形的 U+https://gm7.org/api/article/10FFFE,不会变成一块豆腐。这两条规范原文里一句没写,是我回头翻的。
作者自己埋了句刹车,中文版基本都略过了
前面夸了半天 DOM 提速,其实原文紧跟着就踩了一脚:这套办法不是万无一失。他自己举了例子——DOM 允许在 href 这类属性赋值里塞 NULL 字符,真实 HTML 解析器不允许。「这些依然是很有意思的 bug,但你不能总指望这些结果能如实反映 HTML 解析器的行为。」
这句得读两遍,因为第二个向量恰恰是用 document.body.innerHTML 演示的。
按 HTML 规范「preprocessing the input stream」那一节,U+0000 的处理分散在分词和建树两阶段,结局要么被忽略,要么出于安全原因换成 U+FFFD。也就是说,从服务端吐出来的真实 HTML 流里,那个 NULL 未必还能当连字符用。DOM 路径和网络流路径本来就不是一条路。
顺着这条线还能再挑两处(下面两句是我自己的推断,原文没写):规范会把输入流里的 CR 统一规范化成 LF,那第一个 bug 里 \
和 \r 两个命中,到了真实流里可能合并成一个;全码点循环还会经过 0xD800–0xDFFF 那 2048 个代理项,JS 里 String.fromCodePoint 造得出来,HTML 解析器却会按规范换成 U+FFFD。
所以 fuzz 命中只是第一步。想把它变成一个站得住的洞,还得补一次「真实 HTTP 响应 + 具体浏览器版本」的复现,别拿 innerHTML 的截图就交上去。这一步当年不少人省了,现在也还有人省。
这招今天还能打吗
具体那三个字符,别惦记了。Firefox 67 是 20https://gm7.org/api/article/19 年 5 月的版本,作者当时只写「被告知后续版本会修」,没给编号,我不替他补。拿今天的浏览器跑这三个 payload,大概率什么都不会发生。
但方法一点没过时。
Shazzer 后来换了新站还在收向量,Hackvertor 一直维护着(Burp 插件都更到 2.2.x 了),PortSwigger 那张 XSS cheat sheet 到 2025、2026 年还在往里加新条目,加的很多还是「某个元素/某个属性/某个字符在某个浏览器里行为不一样」。更直白点说:只要还有人手写正则黑名单、还有净化库和浏览器对同一段文本理解不一致,这类洞就不会断。今年公开的一些 SVG 实体编码绕过净化器的案例,根子还是这回事,只是换了个入口。
对挖洞的人来说,能拿走的是这几条:
- 别只盯崩溃。 行为类 bug 没有 crash、没有日志、Burp 里看着像一次普通请求,最容易被漏掉,也最容易被审核打回。
- 找点先看上下文。 输入落在注释里、属性里、`` 里、还是 SVG 里,决定你该问哪个问题。Burp 里把响应里那几处上下文标出来,再拿可疑字符变体(实体、Unicode、NULL、换行)去试解析结果有没有跳变,比盲扫字典有效得多。
- 报告按「差异」写,不按「payload」写。 写清三件事:受影响浏览器与版本、过滤器假设了什么、浏览器实际怎么读;最后给最小可执行 PoC,并说明是真实 HTTP 流复现还是 DOM 里复现。开篇那种「请提供危害证明」的回复,多半就是少了中间那两行。
- 防守侧别自己造轮子。 按输出上下文编码、用成熟净化库、上 CSP,别拿一份正则去猜浏览器的一百万种读法。
说到底,Gareth 那篇最值钱的不是三个字符,是那个动作:把「规范怎么写」和「浏览器怎么做」摆在一起,让机器挨个替你问一遍。一百万次问答里,只要有一次答案和手册不一样,就够写一篇报告了。
这篇只聊 20https://gm7.org/api/article/19 年公开的研究札记、公开规范和早已修复的历史案例,不针对任何在运平台,也没做过验证性测试。代码里的向量都只是示意,别往真实站点上贴。
要是觉得这种「不崩也能出事」的排查思路有点用,点赞、点个推荐(在看)都随你,顺手转发给那个还在拿 CVSS 分数排修复顺序的兄弟就更谢了。关注一下不迷路,后面接着拆几篇老研究——新洞天天有,能传十年的其实是方法。
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。









评论