正则占有优先模式在防ReDoS攻击中的作用
0
[已关闭问题]
关闭于 2025-07-26 10:58
占有优先模式在防ReDoS攻击中的作用，实际开发中很有用
ReDoS攻击的本质：灾难性回溯
核心问题： 某些正则表达式在匹配特定构造的恶意字符串时，引擎的回溯次数会呈指数级或阶乘级增长，导致CPU长时间满载（甚至永久阻塞）。
罪魁祸首： 嵌套量词 + 允许回溯的组合。
贪婪模式 (, +, {n,m}) 和 非贪婪模式 (?, +?) 都允许回溯，这是问题的根源。
当正则引擎在尝试匹配一个复杂模式且存在歧义路径时，它会尝试所有可能的回溯路径，导致计算量爆炸。
所有回答(1)
0
为什么会导致指数级增长的回溯：
正则表达式：^(a+)+$
目标：匹配由1个或多个a组成的字符串（如"aaa"）
结构：外层( )+表示"一组或多组"，内层a+表示"一个或多个a"
攻击字符串："aaaaaaaaX"（8个a + 无效字符X）
匹配过程详解（关键回溯步骤）：
第一轮尝试（贪婪匹配）：
内层a+吃光所有8个a → 匹配"aaaaaaaa"
外层( )+记录第一组：[aaaaaaaa]
尝试匹配结束符$ → 失败（遇到X）
❗ 开始回溯
回溯：外层尝试第二组：
让第一组吐出1个a → 第一组变为[aaaaaaa]（7个a）
剩余字符串："aX"
外层尝试匹配第二组：
内层a+匹配剩余"a" → 第二组[a]
尝试匹配$ → 失败（遇到X）
❗ 继续回溯
更深层回溯：
让第二组吐出它的a → 第二组变为空
尝试匹配$ → 失败（剩余"aX"）
回溯到第一组：再吐出1个a → 第一组[aaaaaa]（6个a）
剩余字符串："aaX"
外层尝试第二组：
选项1：a+匹配"aa" → 第二组[aa] → 匹配$失败（遇到X）
选项2：a+匹配"a" → 剩余"aX" → 匹配$失败
指数级回溯爆发：
引擎必须尝试所有可能的a分组组合：
text
分组方案1: [aaaaaaaa] (1组)
分组方案2: [aaaaaaa] [a] (2组)
分组方案3: [aaaaaa] [aa] (2组)
分组方案4: [aaaaaa] [a] [a] (3组)
分组方案5: [aaaaa] [aaa] (2组)
分组方案6: [aaaaa] [aa] [a] (3组)
分组方案7: [aaaaa] [a] [aa] (3组)
分组方案8: [aaaaa] [a] [a] [a] (4组)
...（继续所有组合）...
每组都要尝试匹配结束符$ → 全部失败
为什么是指数级增长？(O(2^n))
8个a的分组可能 = 2⁷ = 128种组合（相当于7个间隔点每个都有"分/不分"两种选择）
text
示例：aaa aaaa a
↑ ↑ ↑ ↑ (7个可能的分割点)
n个a的分组可能 = 2<sup>n-1</sup>种组合
当n=30时：2<sup>29</sup> = 536,870,912次尝试（5亿多次！）
可视化回溯过程（以4个a + X为例）：
text
字符串： "aaaaX"
尝试的分组方案：
- [aaaa] → 剩余"X" → 失败
- [aaa][a] → 剩余"X" → 失败
- [aaa] → 剩余"aX" → 失败（第二组匹配失败）
- [aa][aa] → 剩余"X" → 失败
- [aa][a] → 剩余"aX" → 失败
- [aa] → 剩余"aaX" → 失败（第二组匹配失败）
- [a][aaa] → 剩余"X" → 失败
- [a][aa] → 剩余"aX" → 失败
...共2³=8种组合...
➡️ 实际引擎尝试次数远多于8次（因为包含子步骤的回溯）
解决方案：用占有优先模式 ^(a++)+$
内层a++匹配所有a后立即锁定，拒绝回溯
匹配过程：
a++吃光8个a → 锁定
尝试匹配$ → 失败（遇到X)
立即失败，不再尝试其他分组
时间复杂度：O(n)（只扫描一次字符串）
这个例子展示了为什么看似无害的正则表达式可能成为性能炸弹，而占有优先模式是关键的防御手段。
