Question

我的目标是通过为从客户端收到的任何和所有POST数据创建允许字符的严格白名单来保护我的网站免受攻击。

当保持ASCII字符时，这是一块蛋糕。类似的东西：

if(preg_match('/[^aA-zZ0-9]/', $stringToTest))
{
   // Battle stations!!
}

但是，我需要能够允许任何和所有utf-8字符，尤其是日语，中文和韩语等亚洲字符集。但我不想排除任何有古怪字符的人，比如阿拉伯语或俄语，或其他什么。一个世界，一个爱！ ;）

我如何允许人们输入他们母语的字符，同时排除邪恶脚本中使用的恶意，如*，？，尖括号等？

Answer 1

\w将为您提供单词字符（字母，数字和下划线），这可能是您在\s之后的空格。

e.g。

if(preg_match('/[\w\s]/', $stringToTest))
{
   // Battle stations!!
}

regular-expressions.info是这个内容的绝佳参考 - here和here是几个相关页面：）

编辑：需要更多说明，抱歉！

这是我通常用于CJK的内容：

function get_CJK_ranges() {

    return array(
                "[\x{2E80}-\x{2EFF}]",      # CJK Radicals Supplement
                "[\x{2F00}-\x{2FDF}]",      # Kangxi Radicals
                "[\x{2FF0}-\x{2FFF}]",      # Ideographic Description Characters
                "[\x{3000}-\x{303F}]",      # CJK Symbols and Punctuation
                "[\x{3040}-\x{309F}]",      # Hiragana
                "[\x{30A0}-\x{30FF}]",      # Katakana
                "[\x{3100}-\x{312F}]",      # Bopomofo
                "[\x{3130}-\x{318F}]",      # Hangul Compatibility Jamo
                "[\x{3190}-\x{319F}]",      # Kanbun
                "[\x{31A0}-\x{31BF}]",      # Bopomofo Extended
                "[\x{31F0}-\x{31FF}]",      # Katakana Phonetic Extensions
                "[\x{3200}-\x{32FF}]",      # Enclosed CJK Letters and Months
                "[\x{3300}-\x{33FF}]",      # CJK Compatibility
                "[\x{3400}-\x{4DBF}]",      # CJK Unified Ideographs Extension A
                "[\x{4DC0}-\x{4DFF}]",      # Yijing Hexagram Symbols
                "[\x{4E00}-\x{9FFF}]",      # CJK Unified Ideographs
                "[\x{A000}-\x{A48F}]",      # Yi Syllables
                "[\x{A490}-\x{A4CF}]",      # Yi Radicals
                "[\x{AC00}-\x{D7AF}]",      # Hangul Syllables
                "[\x{F900}-\x{FAFF}]",      # CJK Compatibility Ideographs
                "[\x{FE30}-\x{FE4F}]",      # CJK Compatibility Forms
                "[\x{1D300}-\x{1D35F}]",    # Tai Xuan Jing Symbols
                "[\x{20000}-\x{2A6DF}]",    # CJK Unified Ideographs Extension B
                "[\x{2F800}-\x{2FA1F}]"     # CJK Compatibility Ideographs Supplement
    );

}

function contains_CJK($string) {
    $regex = '/'.implode('|',get_CJK_ranges()).'/u';
    return preg_match($regex,$string);
}

要获得逃避和其他黑帽子的问题，请使用：

/[^\p{Punctuation}]/（== /[^\p{P}]/）

或

/[^\32-\151]/（== /[^!-~]/）

another good link

Answer 2

对于某些事情你可以进行base64编码，但是我必须删除一些功能，因为这样做是不可行的，因为保持所有字符看起来更重要，而且现在肯定不值得再花时间了。

...

在说过我遇到过这个问题之后，如果你想要一个通用的功能，那么这个问题似乎就会变成效率，但这不是一个大问题（中文，俄文和希腊文可能有单独的网页等）

http://www.php.net/manual/en/regexp.reference.unicode.php

Answer 3

尝试反转测试 - 使用黑名单而不是白名单。 e.g。

if(preg_match('/[\*\?<>]/', $stringToTest))
{
    // Battle stations!!
}

正则表达式可能不太正确，但你明白了。

Answer 4

我怀疑你可以用这种方式保护任何东西您只会为公平用户提出复杂的问题，但不要阻止恶意用户。

我会退出一个不允许我输入问号或引号或电子邮件的网站。
简单的点肯定是“邪恶剧本中使用的恶意”之一。但任何没有它的消息都会显得很难看。

虽然SQL注入只能使用字母字符来完成。

我认为这种“保护”没有任何意义。

在PHP中将utf-8字符列入白名单的最有效方法是什么？

4 个答案: