本地有一页留言板,提交框、列表、分页都写得很简单。你提交了一条内容,长这样:<img src=x onerror=alert(1)>。提交成功,页面刷新,列表里没有出现图片,反而弹出一个对话框。

第一反应通常是「图片地址写错了」。地址确实不存在,但弹窗不是图片加载失败提示,是那段 onerror 里的代码被执行了。你写的这段内容,在数据库里是字符串,在页面上却变成了一个 HTML 元素。

这就是 XSS。它和上一篇的 SQL 注入是同一个家族:数据跨过边界,被下一层当成了语法。区别只在于,这次的解释器是浏览器,而浏览器执行代码的门槛,比很多人想的低得多——不需要 <script>,一个属性、一个伪协议、一次 innerHTML 赋值就够了。

现场:不是图片坏了,是解析器按规矩办事

把那条留言放进页面源码,浏览器看到的是一段 HTML,而不是一段文字。它认出这是一个 img 标签,于是去加载 src="x";加载失败,触发 onerror 事件;事件属性的值是一段 JavaScript,于是执行 alert(1)。每一步都符合规范,没有哪个环节「出了 bug」。

对照一下安全写法:如果输出前把尖括号转义成实体,浏览器拿到的是一串看起来像标签的文本,它只会显示,不会建节点。你在页面上看到的是 <img src=x onerror=alert(1)> 这几个字符本身,效果和「图片坏了」完全不同。

下面出现的输入串一律只在本地靶场或书面授权的目标里执行。这些演示都在本机 DVWA 的 XSS 模块 low 模式跑过,浏览器用 Edge 156 headless 验证执行结果。

所以判断一段内容安全不安全,不能看它「像不像攻击」,要看它被放进了什么位置、那个位置由谁解析。同一段字符串,放进 HTML 正文、属性值、JavaScript 字符串、URL 参数,后果完全不一样。

本文出现的 payload 均已在本机 DVWA 的 XSS 相关模块 low 模式实测,但只允许在本地靶场或书面授权目标里使用。不要在任何未授权的站点上提交这类内容,包括「只弹个框看看」。

走查:一条留言从提交到执行

角色有四个:你、留言应用的服务器、数据库、另一个打开列表页的浏览器。请求是一次普通的表单提交,POST /comment,表单字段里带着那条内容。服务器把原文写进数据库,返回 302 跳回列表页。列表页渲染时,把每条内容拼进 HTML,返回给浏览器。浏览器解析到 img,加载失败,执行 onerror。

本机 DVWA 的对应请求是 POST /vulnerabilities/xss_s/,返回 200、5472 字节;列表页源码里出现的是 Message: <img src=x onerror=alert(1)>,尖括号原样保留,没有被转成 &lt;。

结果就是开头那一幕。排查时按证据走:第一步,在列表页右键查看页面源码,确认那条内容是以 <img 的形式出现,还是以 &lt;img 的形式出现。第二步,查数据库里存的原文,确认入库时没有被提前编码。第三步,找到渲染这条内容的模板或拼接代码,看它有没有关掉转义。第四步,决定修在输出点,而不是在入库时做过滤。

为什么修在输出点?因为同一条数据可能被用在多个地方:网页、邮件、导出文件、App 接口。入库时编码,会让数据库里存的不是用户原文,后续所有使用方都得反解;在输出时按上下文编码,每个使用方各自处理自己的语法,才是可维护的做法。

一条留言的完整路径
提交表单把原文发给服务器
存储数据库保存原样字符串
渲染模板把内容拼进 HTML
解析浏览器建节点、绑定事件
执行事件触发,代码运行

这条路径上,存储环节通常不是问题,渲染环节才是。很多团队在入库前做敏感词替换,觉得已经防住了,结果换个编码、换个标签就绕过去。输入可以有无穷多种写法,输出位置却是有限的几个,在有限的位置做正确的编码,才守得住。

三类 XSS:数据停在哪,决定了怎么触发

按数据停留的位置,常见分三类。反射型是参数立刻出现在响应里,比如搜索关键词回显;存储型是内容进了数据库,之后每次访问都触发;DOM 型是服务端没拼,前端脚本自己把不可信数据写进了页面。

反射型与存储型

反射型要诱导受害者点一个带参数的链接,参数在响应里回显;存储型把内容留在服务端,任何人打开页面都会中招,管理员后台是重灾区。两者的共同点是服务端参与了输出。

DOM 型

数据来自 location.hash、location.search、postMessage 等前端来源,由 innerHTML、document.write 写进页面。响应内容可能完全没变,传统扫描器不容易发现。

三类不是互斥的。一个搜索页可能是反射型,同一个页面的「最近搜索」列表可能是存储型,列表的展开逻辑又可能是 DOM 型。分类的价值是提醒你:不要只检查服务端模板,前端代码里的每一次赋值也要查。

四种上下文,四套编码

「输出编码」不是找一个函数全站调用一遍,而是按数据落在哪个语法位置,选对应的处理。位置搞错了,编码等于没做。

上下文危险的写法正确做法
HTML 正文直接拼接,< 被当成标签开始把 &、<、>、引号转成实体
HTML 属性属性值不加引号,或允许注入事件属性属性值始终加引号,并对引号、空格、等号做编码
JavaScript 字符串把值直接塞进引号里,或拼进 <script>用 JSON 序列化,再转义尖括号和引号,避免提前闭合标签
URL 参数把用户输入直接拼进 href 或 src,允许 javascript:用 URL 编码,校验协议白名单,只允许 http、https 和站内相对路径

属性上下文比正文更容易被忽略。比如 <input value="$x">,如果 $x 里带了双引号,就能提前结束属性,再补一个事件属性上去。属性值不加引号更糟,一个空格就能拆出新属性。所以「属性一律加引号」是硬规矩,不是风格问题。

JavaScript 字符串上下文还有个坑:</script> 会提前结束脚本块,哪怕它出现在引号里。浏览器解析脚本块时先找结束标签,再交给 JavaScript 引擎,所以这里的转义要针对尖括号,而不只是引号。最稳的做法是不要把数据拼进脚本,用接口返回 JSON,前端再读取。

URL 上下文要注意伪协议。把用户输入直接放进 href,如果值是 javascript: 开头,点击就会执行;data: 也能承载 HTML。正确做法是先解析成 URL,判断协议是否在白名单里,再输出编码后的地址。

模板自动转义,为什么会被关掉

现代模板引擎默认会转义,这确实省了很多事。但默认值可以被显式关掉:Twig 的 |raw、Blade 的 {!! !!}、Jinja 的 |safe、Django 的 mark_safe、React 的 dangerouslySetInnerHTML、Vue 的 v-html。这些开关原本是为了渲染富文本,一旦用在用户内容上,等于把防线拆了。

还有一种更隐蔽的失效:转义函数用错了上下文。模板把值转义后放进了 HTML 正文,这没问题;但同一个值又被拿去拼进 onclick 属性,HTML 实体在这里会被解码,注入依然成立。自动转义只知道「我在输出 HTML」,不知道这段值最终会进入 JavaScript。

前端拼接也是重灾区。innerHTML、outerHTML、insertAdjacentHTML、document.write 都会把字符串当 HTML 解析。很多人以为「数据是接口返回的,接口是自家的,所以可信」,但接口里的内容往往也来自用户,或者来自第三方数据源。判断标准不是「谁返回的」,而是「这段字符串有没有可能被用户影响」。

模板自动转义只覆盖「HTML 正文」这一种上下文。它不负责属性里的引号、URL 里的协议、脚本里的结束标签。所谓「用了框架就安全」,只在「你没有关掉转义、也没有手工拼接」这两个前提下成立。

危害不止弹窗:Cookie、会话与页面本身

练习里用 alert(1),只是因为它最容易确认执行。本机用 headless Edge 打开一个输出未编码的本地页面,onerror 把 body 的 data-xss 属性设成了 executed;换成 alert(1) 就是等价的弹窗,只差一个对话框。真实场景里,脚本能做的事要多得多:读 document.cookie(没标 HttpOnly 的会话标识)、读 localStorage 里的 token、以受害者身份发请求、改页面上的收款账号、替换登录表单把密码发走、监听键盘输入。

HttpOnly 的作用是把「读 Cookie」这条路堵住。标了 HttpOnly 的 Cookie,document.cookie 读不到,脚本被注入后也拿不到会话标识。但它只解决读的问题,脚本仍然能在当前页面里发请求、改 DOM、骗用户点击。所以 HttpOnly 是必要的一层,不是 XSS 的解药。

存储型 XSS 的危害会持续。内容留在数据库里,管理员打开后台就触发;如果脚本偷的是长期 token,用户退出登录清掉 Cookie 也未必有用,因为 token 可能还躺在 localStorage 里,或者服务端根本没有让旧会话失效。清理这类问题,改代码只是一半,历史数据也得洗一遍。

还有一层常被忽略:XSS 让攻击者绕过了同源策略。脚本本来就在你的源里运行,读你的接口、拿你的 CSRF token、调你的前端路由,浏览器都认为是「你自己」。上一篇说同源策略限制读,这里正好反过来用——注入成功后,攻击者就站在源内部了。

防御:编码是主防线,CSP 是纵深

第一层也是最重要的一层,是输出编码。按上一节的四种上下文选对处理方式,该转义的转义,该加引号的加引号,该走 JSON 的走 JSON。这件事没有捷径,也不该指望一个「万能过滤函数」。

第二层是模板和框架的默认行为。不要为了方便关掉转义;确实要渲染富文本,就引入白名单式的清洗,只允许固定的标签和属性,链接协议只放 http、https、mailto,图片地址只放 http、https 和站内路径。不要用正则黑名单去删 <script>,事件属性、SVG、伪协议、大小写和编码变体删不干净。

第三层是 CSP。它告诉浏览器这个页面只允许从哪些来源加载和执行脚本。对 XSS 最有用的两条是禁止内联脚本,以及只允许带 nonce 或 hash 的脚本执行:

Content-Security-Policy: default-src 'self'; script-src 'self' 'nonce-abc123'; object-src 'none'; base-uri 'none'

nonce 是每次响应随机生成的值,只有带这个值的脚本才执行;攻击者注入的标签猜不到下一次的 nonce,于是就执行不了。代价是所有内联脚本都要改成带 nonce 的写法,第三方统计和旧代码都要跟着改,通常先用只上报不拦截的模式跑一段时间,看清有哪些东西会被挡。

第四层是 Cookie 属性与前端习惯。会话 Cookie 标 HttpOnly、Secure,按需要设 SameSite;前端尽量用 textContent 和 createElement,少用 innerHTML;富文本入口单独走清洗服务,不要和普通文本共用一条渲染路径。最后才是 WAF 和监控,它们能发现和拖延,但不能替代前面四层。

现象对照表

XSS 的现象很容易被当成「样式问题」或「数据脏了」。下面这张表按表现倒推原因,第三列是动手顺序。

现象真实原因第一步查什么
提交留言后,任何人打开列表页都弹窗存储型 XSS,内容入库后原样拼进 HTML查数据库原文和列表页渲染代码,确认是否关掉转义
点开一个带参数的链接才弹窗反射型 XSS,参数在响应里回显看响应源码里参数出现的位置,是否做了上下文编码
页面结构被改,出现陌生表单或按钮脚本插入 DOM,可能来自前端拼接或第三方内容查 innerHTML、document.write 和第三方脚本的赋值点
同一个 payload 只在某个页面生效那个页面的输出上下文不同,编码没覆盖到逐个输出点核对:正文、属性、脚本、URL 各用什么处理
退出登录后,注入内容仍能操作页面存储型内容仍在,且 token 存在 localStorage 或旧会话未失效查 token 存储位置、登出是否让服务端会话失效、脏数据是否清理
CSP 上线后页面内联脚本全部失效CSP 禁止内联,脚本没有 nonce 或 hash看控制台的 CSP 拦截报告,给合法脚本加 nonce,先跑只上报模式
只过滤 script 标签,仍然能弹窗事件属性、伪协议、SVG 等载体没被覆盖放弃黑名单,改按上下文编码,富文本走白名单清洗

边界与代价

编码不是越多越好。把不该编码的地方也编码,页面会显示 &lt; 这类乱码,用户看到的是一堆实体字符。更常见的是编码了两次,前端再解码一次,等于把防线又拆回去。正确的做法是明确每个输出点的上下文,只在那里做一次对应的处理。

CSP 的代价是改造量和兼容性。内联脚本、eval、第三方统计、老组件都可能被拦,nonce 还要贯通模板和缓存;上线初期用只上报模式,收集报告、逐条放行,是必要的过渡。指望一条严格策略直接全站生效,通常会把业务打断。

富文本清洗也有代价。白名单放宽一点,就可能放进危险属性;收紧一点,用户的排版、表格、视频又用不了。这块没有一劳永逸的配置,需要按产品实际支持的标签维护,并定期看清洗后的内容和报告。

最后是数据清理的成本。修好渲染代码后,库里已经存着的 payload 还在,下一次有页面用旧逻辑读它,照样会触发。上线修复、清洗历史数据、加监控告警,这三件事要一起做,只做第一件等于留了个定时炸弹。

练习与小结

三句话收尾:XSS 是用户数据被浏览器当成了 HTML 或脚本;防御的主线是按输出上下文编码,CSP 和 HttpOnly 是纵深;验证只在本地靶场或有书面授权的环境里做。

当天可以做的练习,都在本地:

  1. 在本地留言页或 DVWA 的存储型模块提交 <img src=x onerror=alert(1)>,再提交一条纯文本,对比两者在元素面板里的节点差异。
  2. 在反射型模块的 URL 参数里提交同样的内容,看响应源码里它是标签还是实体,理解「反射」和「存储」的区别。
  3. 把本地页面的输出改成按 HTML 上下文编码,或在卡片里改用 textContent 渲染,再提交原来的内容,确认只显示文字。
  4. 给本地页面加一条带 nonce 的 CSP,先观察控制台拦截了哪些脚本,再把合法内联脚本补上 nonce。
  5. 审计自己项目:搜 innerHTML、v-html、dangerouslySetInnerHTML、|raw、{!! !!},把每一处标成「可信」或「需要处理」。

下一篇讲CSRF 与 SSRF:借用户的身份、借服务器的网络。衔接点在「借」这个字上:这一篇的 XSS 是借用户的浏览器执行代码,下一篇的 CSRF 是借用户的登录态发请求,SSRF 则是借服务器的网络位置去访问它不该访问的地方。三者的共同前提,都是某个组件错误地相信了「这次请求是自己人发的」。