Múltiplas vulnerabilidades em conversão de caso de Regexp e String

Múltiplas vulnerabilidades recém-divulgadas no mecanismo de expressões regulares do Ruby e nas rotinas de conversão de caso de strings expõem problemas clássicos de corrupção de memória no estilo C, incluindo casos limite disparados por codificações legadas como Windows-1252 e comportamentos peculiares do Unicode (por exemplo, ß virando “SS” em maiúsculas). Comentadores destacam o risco para aplicações Rails que aceitam entrada não UTF-8, debatem por que linguagens sem segurança de memória e strings mutáveis ainda sustentam runtimes importantes e observam que análises com IA agora estão descobrindo esses bugs em escala. O incidente alimenta um argumento mais amplo a favor de migrar componentes críticos para fora do C, apertar o tratamento de codificações e usar runtimes mais seguros como JRuby ou TruffleRuby.

Natureza das Vulnerabilidades no Ruby

  • Todos os problemas relatados são bugs de corrupção de memória em nível C dentro das implementações de regexp e de conversão de caso de strings do Ruby.
  • Exemplos incluem estouros de buffer decorrentes de strings mutáveis, codificações com mapeamentos de comprimento variável e contagem incorreta de comprimento durante mudanças de caso.
  • Uma demonstração mostra uma string Shift_JIS de tamanho multigigabyte sendo downcase-ada para uma string de 6 bytes, destacando uma severa má estimativa do tamanho dos buffers.

Casos Limite de Codificação e Conversão de Caso

  • Um bug importante envolve Windows-1252 e o “ß” alemão, que em maiúsculas vira “SS” (expansão de comprimento). A implementação parece verificar a folga do buffer por caractere, levando a um overflow de um byte no fim de uma string.
  • A discussão cobre peculiaridades do Unicode: ß em maiúscula vs “SS”/“SZ” vs ẞ, garantias de estabilidade do Unicode e mapeamentos específicos de locale (por exemplo, o İ com ponto do turco, ligaturas, diacríticos pré-combinados que se expandem ao mudar de caso).
  • Os participantes observam que esses mapeamentos expansivos são uma superfície de ataque bem conhecida e usada em fuzzers.

Impacto em Rails e Aplicações Web

  • O Rails pode receber strings Windows-1252 (por exemplo, via multipart POST, CSV do Excel) e payloads multigigabyte se a memória permitir.
  • Preocupação: apps “comuns” de Rails que usam regex e downcasing podem ser exploráveis, embora a necessidade de strings enormes faça alguns se sentirem marginalmente mais seguros. Outros alertam que nginx e camadas semelhantes não garantem proteção.
  • Vários defendem que o Rails deveria normalizar tudo para UTF-8 cedo e abandonar codificações legadas como Windows-1252 sempre que possível.

Regex vs Abordagens Alternativas de Parsing

  • Uma visão: substituir regexes por fluxo de controle direto ou código gerado para reduzir a superfície de ataque.
  • Contra-argumentos: muitas regexes são genuinamente complexas, vivem profundamente em frameworks/gems e são difíceis de substituir; geradores de parser como re2c já existem, mas não eliminam a complexidade intrínseca do tratamento de texto.

Segurança de Memória, Linguagens e Ecossistema

  • O tópico nota repetidamente que estes são “bugs clássicos de C”, argumentando que linguagens sem segurança de memória estão cada vez mais expostas — especialmente com caça automática de bugs.
  • Alguns promovem Rust e outras implementações mais seguras (JRuby, TruffleRuby, Crystal), enquanto outros reagem contra o evangelismo de Rust e observam a dificuldade de portar vastas bases de código C/C++/COBOL.
  • Há debate sobre se abstrações cuidadosas em C (sem aritmética de ponteiros crua, rastreamento explícito de comprimento, sem padrões manuais de malloc/free) podem, na prática, eliminar a maioria desses bugs vs. a visão de que apenas linguagens com segurança de memória os previnem de forma confiável.

Descoberta de Vulnerabilidades Assistida por IA

  • O aviso credita a análise baseada em IA por encontrar os bugs, o que provoca discussão de que atacantes agora podem empregar modelos poderosos em escala.
  • Outros observam que defensores também podem usar modelos, mas a assimetria permanece: defensores precisam detectar todos os problemas; atacantes só precisam de um.

CVE e Preocupações com o Processo

  • A fila de atribuição de CVEs do GitHub é relatada como tendo cerca de quatro semanas, vista como lenta, mas atribuída ao volume.
  • Há alguma frustração de que projetos efetivamente tenham de esperar ou contornar atrasos usando identificadores GHSA primeiro.

Fragilidade Mais Ampla de Texto e Codificação

  • Várias anedotas ilustram como caracteres não ASCII ainda quebram software rotineiramente (sistemas postais, tratamento de formulários, pipelines de CSV), reforçando que bugs de texto/codificação continuam amplamente difundidos.