浏览器解码顺序xss

浏览器解析和执行内容时遵循特定的解码顺序，这对XSS（跨站脚本攻击）的防御至关重要。攻击者常利用解码顺序的差异绕过过滤。以下是浏览器处理不同上下文的典型解码顺序：

---

1. HTML 解析优先

浏览器首先将响应作为HTML文档解析，按顺序处理：

• 字符实体解码
  < → < , > → >, & → & 等被还原。

  <!-- 输入： -->
  &lt;img src=x onerror=alert(1)&gt;
  <!-- 解码后： -->
  <img src=x onerror=alert(1)>
  

• 标签/属性解析
  浏览器识别标签（<div>、<script>）和属性（href、onclick）。

---

2. JavaScript 执行（在特定上下文中）

当解析到 <script> 标签或事件处理器（如 onload）时，浏览器进入JS解析模式：

• JS字符串解码
  Unicode转义（\u0061 → a）、十六进制（\x61 → a）被还原。

  // 输入：
  \u0061lert(1);
  // 解码后执行：
  alert(1);
  

• 注意：HTML实体在JS中不会被二次解码！

  <script>// 以下代码不会执行，因为 &lt; 在JS中是字符串var x = "&lt;img src=x onerror=alert(1)&gt;"; 
  </script>
  

---

3. 特殊属性/协议的处理

某些属性触发额外解析层：

• href/src 等URL属性
  若协议为 javascript:，会进行URL解码：

  <!-- 输入： -->
  <a href="javascript:%61lert(1)">Click</a>
  <!-- 解码后： -->
  <a href="javascript:alert(1)">Click</a>
  

• CSS 中的解析
  style 属性或 <style> 标签内支持 \XX 十六进制解码：

  <div style="background:url(javascript:alert(1))"></div>
  

---

关键顺序总结

graph LR
A[原始响应] --> B[HTML 实体解码] 
B --> C[HTML 标签/属性解析]
C --> D{是否在 JS/CSS/URL 上下文？}
D -- JS --> E[JS 转义字符解码]
D -- URL --> F[URL 解码]
D -- CSS --> G[CSS 转义解码]
E --> H[执行 JS]
F --> H
G --> H

---

XSS 攻击的关键点

1. 上下文混淆

   • 过滤器可能只转义 HTML 实体（如 < → <），但若payload在 <script> 中，需转义JS语法（如 " → \x22）。
   • 例：

     <script>var user = "{{ user_input }}";  // 需防御JS字符串而非HTML
     </script>
     

2. 编码嵌套绕过
   多层编码可能绕过简单过滤器：

   <!-- 输入： -->
   <a href="javascript:&amp;#x61;lert(1)"></a>
   <!-- 解码步骤： -->
   <!-- 1. HTML解码：&#x61; → &#x61; （&amp;已被解码为&） -->
   <!-- 2. URL解码：javascript:%61lert(1) → javascript:alert(1) -->
   

---

防御建议

• 根据输出上下文转义：
  • HTML 正文：< → <
  • HTML 属性：" → "
  • JS 字符串：动态内容用 \xHH 转义
  • URL：严格校验协议（禁止 javascript:）
• 使用安全框架自动处理（如React的JSX、DOMPurify）。
• 避免将用户输入放在高危位置（如 <script>、href、eval()）。