Regexp 和 String 大小写转换中的多个漏洞

Ruby 的正则表达式引擎和字符串大小写转换例程中新披露的多个漏洞暴露了典型的 C 风格内存破坏问题,其中包括由 Windows-1252 这类旧编码以及奇特的 Unicode 行为(例如 ß 大写后变成 “SS”)触发的边缘情况。评论者强调了对接收非 UTF-8 输入的 Rails 应用的风险,讨论为何内存不安全的语言和可变字符串仍支撑着主要运行时,并指出 AI 驱动的分析如今正在大规模发现这类漏洞。此次事件进一步引发了关于将关键组件迁出 C、加强编码处理,以及使用更安全运行时(如 JRuby 或 TruffleRuby)的更广泛讨论。

Ruby 漏洞的性质

  • 所有已报告的问题都是 Ruby 的正则表达式和字符串大小写转换实现内部的 C 级内存破坏漏洞。
  • 例子包括由可变字符串、具有可变长度映射的编码,以及大小写变化期间长度计算错误引发的缓冲区溢出。
  • 一个演示显示,一个多吉字节大小的 Shift_JIS 字符串被 downcase 成了一个 6 字节字符串,突显出对缓冲区大小的严重误算。

编码与大小写转换的边缘情况

  • 一个关键漏洞涉及 Windows-1252 和德语“ß”,它在转成大写时会变成“SS”(长度扩展)。实现似乎是按字符检查缓冲区剩余空间,导致字符串末尾出现一个字节的溢出。
  • 讨论涵盖了 Unicode 的一些怪异行为:大写 ß 与“SS”/“SZ”以及 ẞ、Unicode 的稳定性保证,以及区域相关映射(例如土耳其语带点的 İ、连字、以及在大小写转换时会展开的预组合变音符号)。
  • 参与者指出,这类会扩展长度的映射是众所周知的攻击面,也常被用于模糊测试器。

对 Rails 和 Web 应用的影响

  • Rails 可能会接收到 Windows-1252 字符串(例如通过 multipart POST、来自 Excel 的 CSV),以及在内存允许时可能达到多吉字节的载荷。
  • 担忧在于:使用正则表达式和小写化的“普通” Rails 应用可能会被利用,不过由于需要非常大的字符串,一些人认为风险稍微低一些。另一些人则提醒,nginx 以及类似层并不能保证防护。
  • 有人主张 Rails 应尽早将所有内容规范化为 UTF-8,并在可能的情况下放弃 Windows-1252 这类旧编码。

正则表达式 vs 其他解析方式

  • 一种观点是:用直接的控制流或生成代码替换正则表达式,以减少攻击面。
  • 反对意见则指出:许多正则表达式确实很复杂,深埋在框架/库中,而且很难替换;像 re2c 这样的解析器生成器早已存在,但并不能消除文本处理本身固有的复杂性。

内存安全、语言与生态系统

  • 讨论线程反复提到这些都是“经典的 C bug”,认为内存不安全的语言正越来越暴露在风险之下——尤其是在自动化漏洞挖掘的背景下。
  • 一些人推崇 Rust 和其他更安全的实现(JRuby、TruffleRuby、Crystal),而另一些人则对 Rust 布道提出反对,并指出移植庞大的 C/C++/COBOL 代码库非常困难。
  • 讨论还涉及:在 C 中通过谨慎的抽象(不进行原始指针算术、显式跟踪长度、不手动使用 malloc/free 模式)是否能实际消除大多数此类漏洞,还是只有内存安全语言才能可靠地防止这些问题。

AI 辅助的漏洞发现

  • 该安全公告将这些漏洞的发现归功于基于 AI 的分析,这引发了讨论:攻击者现在也能大规模部署强大的模型。
  • 也有人指出防御者同样可以使用模型,但不对称性依然存在:防御者必须发现所有问题;攻击者只需要找到一个。

CVE 与流程问题

  • 有人提到 GitHub 的 CVE 分配队列大约需要四周,被认为偏慢,但这被归因于数量过多。
  • 一些人对项目实际上必须等待,或先使用 GHSA 标识符绕开延迟表示不满。

更广泛的文本与编码脆弱性

  • 多个轶事说明,非 ASCII 字符仍然会频繁破坏软件(邮政系统、表单处理、CSV 管道),进一步印证了文本/编码漏洞仍然普遍存在。