当前位置:首页 > 文章列表 > 文章 > 前端 > 原型污染攻击原理与防御策略

原型污染攻击原理与防御策略

2026-05-08 10:54:58 0浏览 收藏
原型污染攻击利用JavaScript原型继承机制,通过向Object.prototype注入恶意属性,使所有对象意外继承危险行为,常见于不加校验的对象合并、递归赋值和动态路径设置等场景;有效防御必须前置到数据入口,需组合实施输入层硬性过滤(拦截__proto__等敏感键名)、默认使用Object.create(null)创建无原型对象、升级至已修复的安全版本库(如Lodash ≥ 4.17.21),并在高安全场景下运行时冻结原型链,同时辅以主动注入测试、静态扫描与日志监控确保防护真正落地——忽视任一环节都可能让整个应用暴露在静默而广泛的供应链风险之中。

如何识别 原型污染攻击 (Prototype Pollution) 的成因及其防御方案

原型污染攻击的成因,本质是 JavaScript 原型继承机制被不当利用——攻击者通过可控输入向 Object.prototype 注入属性,导致所有对象“自动继承”恶意行为。防御关键不在事后补救,而在数据入口处切断污染路径。

污染发生的典型操作场景

以下三类代码逻辑最常成为攻击跳板:

  • 不加校验的对象合并:如使用 lodash.merge({}, userInput),当 userInput 是 {"__proto__": {"isAdmin": true}},isAdmin 就会写入全局原型
  • 手动递归赋值函数:自研深拷贝或配置合并逻辑中,仅遍历 for (let k in src) 并直接赋值 dst[k] = src[k],未识别嵌套路径如 "a.__proto__.b"
  • 动态路径设置:调用类似 set(obj, userPath, value) 的函数,而 userPath 为 "__proto__.toString",直接覆盖内置方法

必须落实的防御措施

单一手段易被绕过,需组合执行:

  • 输入层硬性过滤:对 JSON 解析后、合并前的所有对象,递归检查每个键名及嵌套路径,拦截 __proto__、constructor、prototype 及其大小写变体(如 __PROTO__),推荐正则 /\b(__proto__|constructor|prototype)\b/i
  • 替换默认对象创建方式:凡用于存储用户数据、配置映射、路由参数解析等场景,统一用 Object.create(null) 替代 {},彻底消除原型链依赖
  • 升级并锁定安全版本:Lodash 必须 ≥ 4.17.21;Hoek ≥ 5.0.3;避免使用 _.set、_.defaultsDeep 处理不可信输入;现代环境优先用 structuredClone() 替代深拷贝
  • 运行时加固(高安全场景):服务启动时执行 Object.freeze(Object.prototype),阻止新增/修改属性;注意该操作不可逆,需确认无合法库依赖原型扩展

检测与验证方法

不能只靠代码审查,要实测是否真正生效:

  • 主动注入测试 payload:在测试环境向接口提交 {"__proto__": {"polluted": "test"}},随后执行 console.log(({}).polluted),输出 undefined 才算通过
  • 静态扫描辅助:启用 ESLint 插件 eslint-plugin-security,标记 JSON.parse 后直连 _.merge 等高危调用链
  • 日志监控敏感字段:在请求体解析、配置加载等入口添加白名单日志,发现含 __proto__ 字段的请求立即告警并记录完整上下文

今天关于《原型污染攻击原理与防御策略》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

map与filter高阶函数使用详解map与filter高阶函数使用详解
上一篇
map与filter高阶函数使用详解
提升图像处理速度:OpenCV替代PIL技巧
下一篇
提升图像处理速度:OpenCV替代PIL技巧
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。
    256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。
    301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。
    278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。
    257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。
    65次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码