[JavaScript]如何安全地嵌入第三方js – FBML/caja/sandbox/ADsafe简介

原文地址：http://www.baiduux.com/blog/2010/07/07/js-safe/

xss是前端经常会遇到的问题，由于页面中的js都执行在同一个上下文中，意味着一旦出现xss漏洞，攻击者就能享有和页面其它部分js同样的权利，能做任何事情

所以一般情况下我们都会对用户输入进行过滤，禁止任何js的执行。但有时由不得不嵌入第三方js，如Google Adsense，这时就只能完全信任它，而没有机制来避免它的恶意行为，另外还有一种方法是通过iframe嵌入，但这样又会遇到不少问题，如高度调整等，而且同样不能避免第三方的恶意行为，如使用ActiveX

是否还有其它方法呢? 文整理了facebook、google、microsoft、yahoo对于这个问题的解决方案，希望能给大家带来一些启发

 

FBML

FBML是facebook让第三方的html、js、css嵌入到facebook页面的技术，目前在sns中很流行，如空间、人人、51等都在使用它

基本原理

下图是facebook页面展现的一个流程，图片来自http://www.ccheever.com/blog/?p=10

首先由facebook向第三方发起请求，第三方服务返回一个FBML的页面给facebook，然后facebook将其转成html放到facebook的页面中，其中FBML是个类似xhtml的标记语言，它允许使用很多html中的标签，并提供了很多facebook特有的标签，方便第三方开发人员

在FBML转成html的过程中会进行很多安全检查，如给script标签中的变量及函数名都加上前缀，如下面这段代码

function $(str) {
    return document.getElementById(str);
} 
 
$("hello");

会被转成如下形式，这里假设第三方应用的id为1，所有变量名都会被加上a1_前缀

function a1_$(a1_str) {
    return a1_document.getElementById(a1_str);
} 
 
a12_$("hello");

这样做的好处是第三方的js不会影响到页面中其它js，它只能调用自己内部创建的变量及函数，为了让它具备一定的功能， 可以在运行前给它提供一些全局对象，如前面用到了document全局对象，经过转换后变成了a1_document，只要在运行第三方js前先对这个对象进行赋值，第三方的js就能使用了

var a1_document = new fbjs.main('1');

这样，在fbjs.main对象就代替了第三方js中的document对象，在这里就能进行各种检查，保证第三方js不会影响到页面的其它部分，而且做到了白名单机制，第三方只能调用几个特定的api，而不能进行读写cookie等操作，如fbjs_main实现的一个简单示例

function fbjs_main(appid) {} 
 
fbjs_main.prototype.getElementById = function(id) {
    return fbjs_dom.get_instance(document.getElementById(id));
}

可以看到，实际上第三方调用document.getElementById返回的是一个内部的对象，而不是实际的dom节点，这样的好处是可以限制第三方程序的运行，缺点是不能直接访问很多dom节点的属性（如tagName），只能通过调用相应的方法来进行读写，有点类似于jQuery

实现方法

FBML的转换库是开源的，感兴趣的同学可以去libfbml看看，它使用了firefox 2.0.0.4源码中的函数来解析html、css、js

除了解析和代码转换，由于js的动态性，使得很多问题不能通过静态分析发现，因此还需要在运行时进行安全检查，运行库是fbjs，它的实现在fbjs.js中

接下来我们就具体研究一下FBML是如何保证安全的

html/css的转换

首先，FBML中标签的id都加上了前缀，如id=”a”的div转成了

<div id="app_1_a"></div>

同时还对html的属性都进行了严格的检查，避免出现如下类型的代码

<a href="javascript:alert()">click</a>
<img src="xxx" onerror="alert()" />

css的转换相对简单些，主要是给selector都加上前缀，将样式都限定到第三方js所属的容器内，如

#app_content_1 .my_class

而对于一些危险的css属性，如expression、behavior、moz-binding都直接滤掉了

为了避免通过position将div移出所属容器，facebook页面中给第三方应用最顶端容器的div加上了overflow:hidden

js的转换

保证js安全主要分为两方面，一是静态分析，如禁止某些函数和变量名加前缀，另一个是进行运行时的检查，如this引用

this引用

this很容易就指到windows上，如在新建对象时少写了个new

function Car() {
    this.xx = 'yyy';
}
var car = Car();
alert(xx)

所以需要对this进行重新封装，在运行时对其进行检查，将上面的代码转成

function a1_Car() {
    ref(this).xx = 'yyy';
}
var a1_car = a1_Car()

这样就能在运行时对其进行检查，避免它指到window上，ref函数的实现是

function ref(that) {
    if (that == window) {
        return null;
    } else if (that.ownerDocument == document) {
        fbjs_console.error('ref called with a DOM object!');
        return fbjs_dom.get_instance(that);
    } else {
        return that;
    }
}

with

with无法进行静态分析，因为它临时插入了一个上下文，需要在运行时才能知道取得的变量是哪个，所以FBML中将其禁止了，后面的很多方案也都禁止with语句

危险的属性

js中的某些属性很危险，如可以通过constructor拿到生成对象的构造函数，如下面的代码可以修改Object函数

var o = {};
o.constructor.prototype.xx = 'xx';

在FBML中将如下几个属性都替换成__unknown__

• __proto__
• __parent__
• caller
• watch
• constructor
• __defineGetter__
• __defineSetter__

然而由于js的动态性，还可以使用方括号语法来获得这些属性，如之前的代码可以等价于

var o = {};
o['constr' + 'uctor'].prototype.xx = 'xx';

静态分析是无法发现这类问题的，所以需要类似this那样，对方括号内的属性加上一层运行时的检查

function idx(b) {
    return (b instanceof Object || fbjs_blacklist_props[b]) ? '__unknown__' : b;
}

不过上述列表其实还是有风险的，后面的caja、ADsafe等都直接禁止后缀带_的属性，避免后续浏览器升级导致的漏洞

arguments

在老版本的Firefox和IE中，arguments对象可以通过caller取到调用当前函数的函数，会带来很多安全隐患，如ajax回调第三方函数时就把ajax库给暴露了，所以FBML给它加了一层封装，转成arg(arguments)，arg函数会将其转成普通数组

function arg(args) {
    var new_args = [];
    for (var i = 0; i < args.length; i++) {
        new_args.push(args[i]);
    }
    return new_args;
}

eval

因为eval没法进行分析，只能将其禁止，对于需要获取json数据的第三方js，由fbjs提供了Ajax库来转成json对象，不过从代码看这里并没用做相应的安全检查，会造成安全隐患

为了保证eval第三方json时的安全，可以采用json2.js的做法，在eval前检查是否是合法的json

if (!/^[\],:{}\s]*$/.test(data.replace(/\\(?:["\\\/bfnrt]|u[0-9a-fA-F]{4})/g, "@")
    .replace(/"[^"\\\n\r]*"|true|false|null|-?\d+(?:\.\d*)?(?:[eE][+\-]?\d+)?/g, "]")
    .replace(/(?:^|:|,)(?:\s*\[)+/g, "")) ) {
    return null;
}

去掉注释

去掉注释似乎是为了减少大小，然而由于IE的条件编译机制，导致注释里还能执行任意JS，所以注释必须去掉，如

/*@cc_on @*/ /*@if (1) alert(document.cookie) @end @*/

另一种就是Firefox对--的错误解析也会导致安全问题

array中的很多方法

在某些浏览器下，array中的很多方法通过call和apply调用时会返回window对象，如下写法在Firefox、Chrome等浏览器中会取到window对象

alert(window === ([]).sort.call());

所以在fbjs中对这些方法都进行了重写，避免它在运行时的this指向window

Array.prototype.sort = (function(sort) { return function(callback) {
    return (this == window) ? null : (callback ? sort.call(this，function(a,b) {
        return callback(a,b)}) : sort.call(this));
}})(Array.prototype.sort);

甚至还将reduce、reduceRight直接删掉了

Array.prototype.reduce      = null;
Array.prototype.reduceRight = null;

dom

为了让第三方js能对页面元素进行控制，fbjs封装了dom的很多方法，并对其进行运行时的检查

getElementById

因为id都加上前缀了，所以fbjs提供给第三方js的api需要加上前缀才能取到

fbjs_main.prototype.getElementById = function(id) {
    var appid = fbjs_private.get(this).appid;
    return fbjs_dom.get_instance(document.getElementById('app'+appid+'_'+id)，appid);
}

getParentNode

为了不让第三方js影响到页面的其它部分，需要在dom节点移动时进行检查，如获取parentNode，要将其限定到第三方应用所属的容器里，不能取高于这个节点的其它元素

createElement、innerHTML

fbjs提供了createElement接口来让第三方js创建元素，并进行检查，只允许创建一些安全的元素

而对于很多开发人员喜欢使用的innerHTML则不容易进行安全检查，因为需要在运行时对html进行解析，fbjs目前只提供两种方式，一种是setInnerFBML，通过FBML中的一个自定义标签<fb:js-string>，让FBML来解析，它的缺点是无法在运行时拼装，另一种是setInnerXHTML，它要求传递的字符串是一个合法的xml形式，直接使用浏览器的XML解析器来解析

location、src、href

有一种风险是可以动态创建一个a标签，设置它的href来生成<a href=”javascript:alert()”>x</a>，所以这些url的属性都需要加上一层判断

fbjs_dom.href_regex = /^(?:https?|mailto|ftp|aim|irc|itms|gopher|\/|#)/; 
 
fbjs_dom.prototype.setHref = function(href) {
    href = fbjs_sandbox.safe_string(href);
    if (fbjs_dom.href_regex.test(href)) {
        fbjs_dom.get_obj(this).href = href;
        return this;
    } else {
        fbjs_console.error(href+' is not a valid hyperlink');
    }
}

除此之外还有img的src和location.href

setTimeout、setInterval

setTimeout、setInterval是可以传递字符串来执行的，和eval一样没法进行静态分析，如

var a = 'ale';
var b = 'rt()';
setTimeout(a+b, 10);

于是fbjs对这两个函数都进行了封装，限制其只允许传递函数类型

fbjs_sandbox.set_timeout = function(js, timeout) {
    if (typeof js != 'function') {
        fbjs_console.error('setTimeout may not be used with a string. Please enclose your event in an anonymous function.');
    } else {
        return setTimeout(js, timeout);
    }
}

js代码的执行

fbml解析后的js并不直接放回<script>标签中，而是将它取出，在fbjs中通过eval_global来执行

function eval_global(js) {
    var obj = document.createElement('script');
    obj.type = 'text/javascript';
    try {
        obj.innerHTML = js;
    } catch(e) {
        obj.text = js;
    }
    document.body.appendChild(obj);
}

为何要这么做呢? 我能想到的一个原因是js字符中script标签会导致漏洞，不好进行静态分析，如下面的代码会在IE、Chrome下执行alert

<script>
var a = "</script><script>alert()</script>";
</script>

不过因为FBML使用了firefox的引擎来解析html，所以直接在字符串中第一个</script>标签就截断了

隐蔽的问题

了解fbml的解决方案后，感觉挺似乎很完美，然而实际上远没有那么简单，Facebook script injection vulnerabilities上报了很多Facebook的漏洞，如Firefox中支持的E4X语法，因为Facebook是基于firefox2的解析引擎，所以导致解析时没有发现问题

<script>
<x x="
x" {alert('any javascript')}="x"
/>
</script>

在fbjs中有大量这样case by case的漏洞修复，涉及到浏览器特性的问题是无法预测的，尤其是浏览器解析时对html的容错机制（这也是html5重点解决的一个问题，感兴趣的同学可以看看其中的第8章），不过总的来说fbml的解决方案还是很不错的，也经受了大量的线上考验

Microsoft Web Sandbox

Microsoft Web Sandbox是微软提出的一种方案，它最大的特点就是引入了虚拟机的思想，将代码全部转成了虚拟机中的调用，将很多安全检查的工作放到运行时去解决， 在这个虚拟机中将所有html标签，以及所有的js对象和dom的调用都进行了封装，将第三方代码完全和外部环境隔离开

实现细节

我们来看看它的具体是怎么实现的，首先html源码经过转换后全都成了js变量，如下html

<html>
    <body>
        <a id="b" href="javascript:alert()">click</a>
    </body>
</html>

经过转换后会变成

var settings = {}; 
 
var headerJavaScript =
function(a)
{
    var b = a.gw(this), //获取虚拟机内部的全局对象
        c = a.g,        //用于取得对象的属性，如后面用来取document
        d = a.i,        //用于调用一个方法，如后面用来调用alert
        e = a.f,        //用于将函数封装起来，对函数的运行做监控，如避免死循环和频繁alert等问题
        f = c(b,"document");
    //接下来通过调用initializeHTML来生成html
    d(f,"initializeHTML",[[{"body":{"c":[," ",{"a":{"a":{"href":e(function()
    {
        d(b,"alert")
    }),"id":"b"},"c":[,"click"]}}," "]}},{"#text":{"c":[" "]}}]])
}; 
var metadata = {"author":"","description":"","imagepath":"","title":"","preferredheight":0,"preferredwidth":0,"location":"","icon":"","base":{"href":"","target":""}}; 
$Sandbox.registerCode(headerJavaScript, "1", settings, metadata); 
var SandboxInstance = new $Sandbox(document.getElementById('g_1_0_inst'), $Policy.Canvas, "1"); 
SandboxInstance.initialize();

对于html和css，都进行了Tokenization，转成了json的形式，注意这里并没有像fbml那样进行代码转换，而是等到了运行时再拼装，如将

    <a id="b" href="javascript:alert()">click</a>

转成了json形式的变量

{"a":
    {
        "a":{
                "href":e(function() {
                        d(b,"alert")
                }),
                "id":"b"
            },
        "c":[,"click"]
    }
}

在最后由运行库来拼接成html，如

    <a id="cst9" href="javascript:$Sandbox.Instances['__S__8'].__exechref__(0)">click</a>

这样的好处是能轻松迁移和多实例，因为生成后的代码相当于虚拟机的指令，而不像fbml那样将都和特定id绑死了，websandbox能同时运行几个相同的第三方代码，只需再new一个$sandbox就可以了

websandbox的虚拟机机制使得让它能进行大量的运行时检查，这样就能解决死循环和无限alert的问题，这都是其它方案无法解决的，也是目前这几种方案中功能最强大的，可惜解析部分并没有开源，只将运行库开源了，解析只能手工执行

caja

caja是google提出的方案，和websandbox很类似， 也是将js的操作封装成了各种get、set、call，通过封装一层函数来保证安全，但caja并没有将html封装到运行库中，这导致了很多限制，如不能使用onclick，如下面的代码

<div id="star" onclick="alert()"></div>
<script type="text/javascript">
    var star = document.getElementById("star");
    star.innerHTML = "<xx>";
</script>

经转换后变成了

<div id="id_2___"></div>
<script>
{
___.loadModule({
    'instantiate': function (___, IMPORTS___) {
        var moduleResult___ = ___.NO_RESULT;
        var $v = ___.readImport(IMPORTS___, '$v', {
            'getOuters': { '()': {} },
            'initOuter': { '()': {} },
            'so': { '()': {} },
            'cm': { '()': {} },
            'ro': { '()': {} },
            's': { '()': {} }
        });
        var $dis;
        $dis = $v.getOuters();
        $v.initOuter('onerror');
        {
        var el___;
        var emitter___ = IMPORTS___.htmlEmitter___;
        el___ = emitter___.byId('id_1___');
        emitter___.setAttr(el___, 'id', 'star-' + IMPORTS___.getIdClass___());
        el___ = emitter___.finish();
        }
        try {
        {
            $v.so('star', $v.cm($v.ro('document'), 'getElementById', [ 'star' ]));
            moduleResult___ = $v.s($v.ro('star'), 'innerHTML', '\x3cxx\x3e');
        }
        } catch (ex___) {
        ___.getNewModuleHandler().handleUncaughtException(ex___,
            $v.ro('onerror'), 'test.html', '3');
        }
        {
        IMPORTS___.htmlEmitter___.signalLoaded();
        }
        return moduleResult___;
    },
    'includedModules': [ ],
    'cajolerName': 'com.google.caja',
    'cajolerVersion': '4097',
    'cajoledDate': 1275642131084
    });
}
</script>

感兴趣的同学可以看看它的源码，它的实现方法是提供一套freeze的机制，使得特定的对象和属性不会被随意篡改，通过这种方式来保证安全，但个人觉得比起websandbox，做的不够彻底和灵活

ADsafe

和前面几种方案不同，Douglas Crockford写的ADsafe
采用了另一种方式，它并没有进行代码转换，而是采取了验证的方法，第三方的JS需要先经过jslint的验证才能允许执行，这些验证包括

• 不得使用除了ADsafe提供以外的任何全局对象，对于Array Math等提供了有限的范围
• 不能使用this arguments eval with
• 不能使用arguments callee caller constructor eval prototype stack unwatch valueOf watch
• 不能使用以_开头或结尾的string
• 不能使用[]
• 不能使用Date和Math.random，这样保证widget的运行不会有随机性

ADsafe不进行代码转换避免了很多运行时的性能开销，然而却导致了大量的限制，第三方开发人员有一定的学习成本，如没法使用[]，而必须使用ADSAFE.get ADSAFE.set

不过ADsafe最大的好处就是可以不依赖后端，很适合做简单的widget及嵌入第三方的广告，管理员只需要将第三方js代码拿到jslint中验证一下即可，不了解js也能进行审核，而且因为禁止了Date和Math.random，使得js代码的执行结果是稳定的，下面演示了一个简单例子

<div id="WIDGETNAME_"><input type=text /> </div>
<script>
"use strict";
ADSAFE.go("WIDGETNAME_", function (dom) {
    var input = dom.q("input_text");
});
</script>

小结

• FBML简单实用的，也经过了线上成熟的考验，对于做类似sns的开放平台推荐使用，然而fbjs的api用起来不够方便，开发人员由一定的学习成本，开发调试不容易
• websandbox的虚拟机思想很强大，给开发人员很大的自由，值得学习和借鉴，可惜没有开源导致无法使用
• ADsafe适合做一些简单的应用，然而限制实在太多，第三方开放人员可能会很不适应
• 不推荐使用caja，它的实现较为复杂，很容易导致各种问题，后期也不好维护

值得一提的是，从目前实际使用的情况看，第三方开发人员其实更愿意使用iframe，因为它没有学习成本，且更灵活自由，权衡之下也许会发现这个最简单方案才是最简单可依赖的

参考

• Facebook script injection vulnerabilities
  • 报了很多facebook的漏洞
• AttackVectors
  • caja的wiki中列举了很多攻击的手法