当前位置:首页 > 文章列表 > 文章 > php教程 > PHP表单重复提交令牌防刷方法

PHP表单重复提交令牌防刷方法

2026-04-30 12:09:56 0浏览 收藏
本文深入探讨了PHP中防止表单重复提交的核心解决方案——基于令牌(Token)的安全机制,系统介绍了五种实用且可靠的防护策略:Session一次性Token验证、双Token交叉校验、Cookie与时间戳联合校验、数据库唯一索引约束,以及前端禁用按钮与后端Token同步验证的协同方案;特别针对用户刷新页面或误点多次提交导致数据重复写入这一常见痛点,提供了从生成、传递、验证到销毁Token的完整实现逻辑和关键代码示例,帮助开发者快速构建健壮、安全的表单提交防护体系。

PHP如何防止表单重复提交令牌_PHP防止表单重复提交令牌方法【安全】

如果您在PHP应用中发现用户刷新页面或重复点击提交按钮导致表单数据多次写入数据库,则很可能是缺乏有效的防重复提交机制。以下是基于令牌(Token)实现的安全防护方法:

一、Session Token 一次性验证法

该方法利用 PHP Session 存储唯一 Token,并在表单提交后立即销毁或更新 Session 中的 Token 值,确保同一 Token 只能被验证成功一次,从而阻断重复提交路径。

1、在表单页面顶部调用 session_start() 启动会话。

2、生成唯一 Token 并存入 Session:$_SESSION['form_token'] = bin2hex(random_bytes(32));

3、将 Token 嵌入表单作为隐藏字段:

4、接收 POST 请求后,校验 Token 是否匹配且存在:if (isset($_POST['token']) && hash_equals($_SESSION['form_token'], $_POST['token']))

5、验证通过后立即重置 Session 中的 Token:unset($_SESSION['form_token']); 或赋新值。

二、双 Token 检查机制(提交前+提交后)

此方法在客户端保留一个初始 Token,在服务端维护两个状态:预提交 Token 与已提交 Token。通过比对两者差异识别是否为首次提交,适用于多步骤表单或需保留原始 Token 场景。

1、页面加载时生成两个 Token:$pre_token = bin2hex(random_bytes(16)); $post_token = bin2hex(random_bytes(16));

2、将 $pre_token 存入 Session,$post_token 写入表单 hidden 字段。

3、提交时验证 hidden 字段值是否等于 Session 中的 $pre_token。

4、验证成功后,将 Session 中的 $pre_token 替换为 $post_token。

5、后续重复提交将因 hidden 字段值(仍为旧 $post_token)与 Session 新值不一致而失败。

三、Cookie + Timestamp 联合校验法

该方案不依赖 Session,而是将 Token 与时间戳组合后加密写入 Cookie,服务端解密并校验时效性与唯一性,适合无状态或分布式部署环境。

1、生成带时间戳的 Token:$token = hash_hmac('sha256', time() . uniqid(), 'salt_key');

2、设置 HttpOnly Cookie:setcookie('form_token', $token, time()+300, '/', '', false, true);

3、表单中嵌入当前时间戳:

4、提交时读取 Cookie 和 POST 中的 ts,重新计算 HMAC:hash_hmac('sha256', $_POST['ts'] . uniqid(), 'salt_key')

5、若计算结果与 Cookie 值一致且 time() - $_POST['ts'] <= 300,则允许处理。

四、数据库唯一索引约束辅助法

该方法作为 Token 验证的底层补充,在数据库层面强制拦截重复插入,防止因 Token 机制失效或绕过导致的数据污染。

1、在业务表中添加联合唯一索引,覆盖用户 ID、操作类型、关键参数及时间窗口字段:ALTER TABLE user_order ADD UNIQUE INDEX uk_user_action_time (user_id, action_type, md5(param_data), DATE(created_at));

2、插入前不预先查询,直接执行 INSERT … ON DUPLICATE KEY UPDATE 或 INSERT IGNORE。

3、捕获 SQLSTATE '23000' 错误码,返回“操作已存在”提示而非内部错误。

4、确保 param_data 经过标准化处理(如 JSON 排序、空格清理),避免语义相同但字符串不同导致索引失效。

五、前端按钮禁用 + Token 同步校验法

该方法从前端交互层切断重复触发源头,同时与后端 Token 机制联动,形成双重保障,适用于高敏感操作如支付、注册等。

1、表单提交函数中添加按钮禁用逻辑:document.getElementById('submitBtn').disabled = true;

2、使用 JavaScript 生成临时 Token 并附加至 FormData:formData.append('js_token', btoa(Math.random().toString(36).substr(2, 9)));

3、PHP 端验证该 js_token 是否未在最近 60 秒内被使用过,记录于 Redis:if ($redis->exists('js_token:' . $_POST['js_token'])) { die('重复请求'); } $redis->setex('js_token:' . $_POST['js_token'], 60, 1);

4、禁用状态在响应成功后由 JS 解除,或在页面跳转前保持禁用。

本篇关于《PHP表单重复提交令牌防刷方法》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

Golangcgo指针转换全解析Golangcgo指针转换全解析
上一篇
Golangcgo指针转换全解析
HermesAgent质量评估标准详解
下一篇
HermesAgent质量评估标准详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    290次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    342次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    344次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    308次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    130次使用