层层剖析一次 HTTP POST 请求事故
vivo 互联网服务器团队- Wei Ling
本文主要讲述的是如何根据公司网络架构和业务特点，锁定正常请求被误判为跨域的原因并解决。
一、问题描述
某一个业务后台在表单提交的时候，报跨域错误，具体如下图：
从图中可看出，报错原因为HTTP请求发送失败，由此，需先了解HTTP请求完整链路是什么。
HTTP请求一般经过3个关卡，分别为DNS、Nginx、Web服务器，具体流程如下图：
-
浏览器发送请求首先到达当地运营商DNS服务器，经过域名解析获取请求 IP 地址
-
浏览器获取 IP 地址后，发送HTTP请求到达Nginx，由Nginx反向代理到Web服务端
-
最后，由web服务端返回相应的资源
了解HTTP基本请求链路后，结合问题，进行初步调查，发现此form表单是application/json格式的post提交。同时，此业务系统采用了前后端分离的架构方式(页面域名和后台服务域名不同 ), 并且在Nginx已经配置跨域解决方案。基于此，我们进行分析。
二、问题排查步骤
第一步：自测定位
既然是form表单，我们采用控制变量法，尝试对每一个字段进行修改后提交测试。在多次试验后，锁定表单中的moduleExport 字段的变化会导致这个问题。
考虑到moduleExport字段在业务上是一段JS代码，我们尝试对这段JS代码进行删除/修改，发现：当字段moduleExport中的这段js代码足够小的时候，问题消失。
基于上述发现，我们第一个猜想是：会不会是HTTP响应方的请求body大小限制导致了这个问题。
第二步：排查 HTTP 请求 body 限制
由于采用前后端分离，真实的请求是由 XXX.XXX.XXX 这个内网域名代表的服务进行响应的。而内网域名的响应链如下：
那么理论上，如果是HTTP请求body的限制，则可能发生在 LVS 层或者Nginx层或者Tomcat。我们一步步排查：
首先排查LVS层。若LVS层故障，则会出现网关异常的问题，返回码会为502。故此，通过抓包查看返回码，从下图可看出，返回码为418，故而排除LVS异常的可能
其次排查Nginx 层。Nginx层的HTTP配置如下:
我们看到，在Nginx层，最大支持的HTTP请求body为50m， 而我们这次事故的form请求表单，大约在2M， 远小于限制， 所以：不是Nginx 层HTTP请求body的限制造成的。
然后排查 Tomcat 层，查看 Tomcat 配置：
我们发现， Tomcat 对于最大post请求的size限制是-1， 语义上表示为无限制，所以： 不是 Tomcat 层HTTP请求body的限制造成的。
综上，我们可以认为：此次问题和HTTP请求body的大小限制无关。
那么问题来了，如果不是这两层导致的，那么还会有别的因素或者别的网络层导致的吗？
第三步：集思广益
我们把相关的运维方拉到了一个群里面进行讨论，讨论分两个阶段
-
【第一阶段】
运维方同学发现 Tomcat 是使用容器进行部署的，而容器和nginx层中间，存在一个容器自带的nameserver层——ingress。我们查看ingress的相关配置后，发现其对于HTTP请求body的大小限制为3072m。排除是ingress的原因。
-
【第二阶段】
安全方同学表示，公司为了防止XSS攻击，会对于所有后台请求，都进行XSS攻击的校验，如果校验不通过，会报跨域错误。
也就是说，理论上完整的网络层调用链如下图：
并且从WAF的工作机制和问题表象上来看，很有可能是WAF层的原因。
第四步：WAF 排查
带着上述的猜测，我们重新抓包，尝试获取整个HTTP请求的optrace路径，看看是不是在WAF层被拦截了，抓包结果如下：
从抓包数据上来看，status为complete代表前端请求发送成功，返回码为418，而optrace中的ip地址经查询为WAF服务器ip地址。
综上而言，form表单中的moduleExport字段的变化很可能导致在WAF层被拦截。而出现问题的moduleExport字段内容如下：
module.exports = {
"labelWidth": 80,
"schema": {
"title": "XXX",
"type": "array",
"items":{
"type":"object",
"required":["key","value"],
"properties":{
"conf":{
"title":"XXX",
"type":"string"
},
"configs":{
"title":"XXX",
"type":"array",
"items":{
......
config: {
......
validator: function(value, callback) {
// 至少填写一项
if(!value || !Object.keys(value).length) {
return callback(new Error('至少填写一项'))
}
callback()
}
}
......
}我们进行一个字段一个字段排查后，锁定module.exports.items.properties.configs.config.validator字段会触发WAF的拦截机制：请求包过WAF模块时会对所有的攻击规则都会进行匹配，若属于高危风险规则，则触发拦截动作。
三、 问题分析
整个故障的原因，是业务请求的内容触发了WAF的XSS攻击检测。那么问题来了
- 为什么需要WAF
- 什么是XSS攻击
在说明XSS之前，先得说清楚浏览器的跨域保护机制
3.1 跨域保护机制
现代浏览器都具备‘同源策略’，所谓同源策略，是指只有在地址的：
- 协议名 HTTPS，HTTP
- 域名
- 端口名
均一样的情况下，才允许访问相同的cookie、localStorage或是发送Ajax请求等等。若在不同源的情况下访问，就称为跨域。而在日常开发中，存在合理的跨域需求，比如此次问题故障对应的系统，由于采用了前后端分离，导致页面的域名和后台的域名必然不相同。那么如何合理跨域便成了问题。
常见的跨域解决方案有：IFRAME, JSONP, CORS 三种。
- IFRAME 是在页面内部生成一个IFRAME，并在IFRAME内部动态编写JS进行提交。用到此技术的有早期的EXT框架等等。
- JSONP 是将请求序列化成一个string，然后发起一个JS请求，带上string。此做法需要后台支持，并且只能使用GET请求。在当前的业内已经废除此方案。
- CORS 协议的应用比较广泛，并且此次出事故的系统是采用了CORS进行前后端分离。那么，什么是CORS协议呢？
3.2 CORS协议
CORS(Cross-Origin Resource Sharing)跨源资源分享是解决浏览器跨域限制的W3C标准(官方文档)，其核心思路是：在HTTP的请求头中设置相应的字段，浏览器在发现HTTP请求的相关字段被设置后，则会正常发起请求，后台则通过对这些字段的校验，决定此请求是否是合理的跨域请求。
CORS协议需要服务器的支持(非服务器的业务进程)， 比如 Tomcat 7及其以后的版本等等。
对于开发者来说，CORS通信与同源的AJAX通信没有差别，代码完全一样。浏览器一旦发现AJAX请求跨源，就会自动添加一些附加的头信息，有时还会多出一次附加的请求，但用户不会有感觉。
因此，实现CORS通信的关键是服务器(服务器端可判断，让哪些域可以请求)。只要服务器实现了CORS协议，就可以跨源通信。
虽然CORS解决了跨域问题，但引入了风险，如XSS攻击，因此在到达服务器之前需加一层Web应用防火墙(WAF)，它的作用是：过滤所有请求，当发现请求是跨域时，会对整个请求的报文进行规则匹配，如果发现规则不匹配，则直接报错返回(类似于此次案例中的418)。
整体流程如下：
不合理的跨域请求，我们一般认为是侵略性请求，这一类的请求，我们视为XSS攻击。那么广义而言的XSS攻击又是什么呢？
3.3 XSS 攻击机制
XSS为跨站脚本攻击（Cross-Site Scripting）的缩写，可以将代码注入到用户浏览的网页上，这种代码包括 HTML 和 JavaScript。
例如有一个论坛网站，攻击者可以在上面发布以下内容：
另一个用户浏览了含有这个内容的页面将会跳转到 domain.com 并携带了当前作用域的 Cookie。如果这个论坛网站通过 Cookie 管理用户登录状态，那么攻击者就可以通过这个 Cookie 登录被攻击者的账号了。
XSS通过伪造虚假的输入表单骗取个人信息、显示伪造的文章或者图片等方式可窃取用户的 Cookie，盗用Cookie后就可冒充用户访问各种系统，危害极大。
下面给出2种XSS防御机制。
3.4 XSS 防御机制
XSS防御机制主要包括以下两点：
3.4.1 设置 Cookie 为 HTTPOnly
设置了 HTTPOnly 的 Cookie 可以防止 JavaScript 脚本调用，就无法通过 document.cookie 获取用户 Cookie 信息。
3.4.2 过滤特殊字符
例如将 < 转义为 < ，将 > 转义为 >，从而避免 HTML 和 Jascript 代码的运行。
富文本编辑器允许用户输入 HTML 代码，就不能简单地将 < 等字符进行过滤了，极大地提高了 XSS 攻击的可能性。
富文本编辑器通常采用 XSS filter 来防范 XSS 攻击，通过定义一些标签白名单或者黑名单，从而不允许有攻击性的 HTML 代码的输入。
以下例子中，form 和 script 等标签都被转义，而 h 和 p 等标签将会保留。
XSS Demo
123
hello
XSS Demo
123
转义后：
XSS Demo
123
<form>
<input type="text" name="q" value="test">
</form>
hello
<script type="text/javascript">
alert(/xss/);
</script>四、问题解决
在确定问题后，让安全团队修改WAF的拦截规则后，问题消失。
最后，对此问题进行总结。
五、问题总结
纵览整个排查过程，最耗费资源的工作集中于问题定位：到底是哪个模块出现了问题。而定位模块的最大难点在于：对于网络全链路的不了解(之前并不知晓WAF层的存在)。
那么，针对类似的问题，我们后面应该如何去加速问题的解决呢？我认为有两点需要注意：
- 采用控制变量法， 精准定位到问题的边界——什么时候能出现，什么时候不能出现。
- 熟悉每一个模块的存在，以及每一个模块的职责边界和风险可能。
下面来逐个解释：
5.1 确定问题边界
我们在一开始，确定是form表单导致的问题后，我们就逐个字段进行修改验证，最终确定其中某个字段导致的现象。在定位到具体的问题发生地后，由将之前锁定的字段进行拆解，逐步分析字段中每个属性，从而最终确定XX属性的值触犯了WAF的规则机制。
5.2 定位模块错误
在此案例中，跨域拒绝的故障主要是网络层，那么我们就必须要摸清楚整个业务服务的网络层次结构。然后对每一层的情况进行分析。
- 在Nginx层，我们对配置文件进行分析
- 在ingress层，我们对其中的配置规则进行分析
- 在Tomcat层，我们对server.xml的属性进行分析
总结而言，我们必须熟悉每一个模块的职责，并且知晓如何判断每一个模块是否在整个链路中正常工作，只有基于此，我们才能将问题原因的范围逐步缩小，从而最后获得答案。