یک JSON، دو حکم: تفاوت پارسرها و مرز اعتماد اعتبارسنجی
جمعبندی: وقتی یک اعتبارسنج سند را میپذیرد و سرویس بعدی کرش میکند، معمولاً دو پارسر دربارهی همان متن اختلاف نظر داشتهاند. این مقاله کلیدهای تکراری، بایتهای NUL، UTF-8 نامعتبر، NaN و صفرهای ابتدایی را روی رانتایمهای واقعی مقایسه میکند، توضیح میدهد چگونه CVE-2026-33948 اختلاف را به سطح حمله تبدیل کرد، و نشان میدهد چگونه برای هر مرز یک داور واحد تعیین کنیم.

قبول شدن در اعتبارسنجی دقیقاً یک چیز را ثابت میکند: متن توسط آن پارسر، زیر آن سیاست پذیرفته شده است. پارسر را عوض کن و حکم میتواند برعکس شود.
نشانه: ابزار A قبول میکند، ابزار B رد میکند
صحنهای که همه دیدهایم. پاسخ یک API را در قالبدهندهی آنلاین میچسبانید و تیک سبز میگیرد. همان payload به سرویس بعدی میرسد و استثنا پرتاب میکند. وقتی هر دو پارسر را کنار هم میگذارید و کاراکتر به کاراکتر مقایسه میکنید، معمولاً هیچ طرفی «اشتباه» نکرده — داده دقیقاً روی نقطهای فرود آمده که دو پیادهسازی در آن اختلاف دارند.
چنین نقاطی کماند، اما هر کدام رایجاند. جدول زیر رفتار واقعی را برای ورودیهای پربسامد ثبت میکند (آزمودهشده روی Node 22 JSON.parse، کتابخانهی استاندارد json پایتون 3.11، jq 1.8 و اعتبارسنجهای آنلاین رایج):
| ورودی | Node JSON.parse | Python json.loads | jq | توضیح |
|---|---|---|---|---|
{"a":1,"a":2} کلید تکراری |
میپذیرد، آخرین میماند | میپذیرد، آخرین میماند | میپذیرد، آخرین میماند | RFC 8259 فقط SHOULD میگوید؛ هر چهار میگذرانند |
{"n":NaN} |
خطا | میپذیرد | خطا | کتابخانهی استاندارد پایتون پیشفرضش را میپذیرد — بزرگترین دام بیصدا |
{"n":01} صفر ابتدایی |
خطا | خطا | خطا | همهجا رد میشود، اما موقعیت خطاها فرق میکند |
"中文" ذخیرهشده به بایتهای GBK |
خطا یا خرابی نویسه | بسته به انکودینگ | خطا | RFC خواستار UTF-8 است، اما دیکد کردن کار لایه IO است |
{"a":1} با BOM |
خطا | میپذیرد (utf-8-sig) | خطا | تصمیم با کسی است که BOM را برمیدارد |
| کامنت، کوتیشن تکی، کامای انتهایی | خطا | خطا | خطا | فقط پارسرهای JSON5/JSONC میپذیرند |
به سطر دوم نگاه کنید: json.loads('{"cpu":NaN}') در پایتون قانونی است. کتابخانهی استاندارد آگاهانه NaN/Infinity را برای سازگاری با گذشته میپذیرد، و بسیاری از خطوط لوله این سطرهای زباله را بدون دیدن آلودگی بهعنوان رکورد عادی شمردهاند. مسدود کردنشان به آرگومان صریح parse_constant نیاز دارد — کد در ادامه.
تفاوتها از کجا میآیند: شکافهای مشخصات و انتخابهای پیادهسازی
RFC 8259 مبهم نیست؛ آگاهانه سه ناحیه را «به پیادهسازی واگذار میکند» و هر پیادهسازی آنها را متفاوت پر میکند.
اول، یکتایی نامهای شیء. بخش ۴ میگوید نامها SHOULD یکتا باشند — توصیه است، نه قاعده. پس کلید تکراری خطای نحوی نیست و پارسرها همهجا «آخرین برنده است» را انتخاب میکنند. اعتبارسنج بیزینسی آنوقت فقط مقدار بازمانده را میبیند؛ مقداری که فرستنده اول فرستاده بود، بدون خطا و بدون یک خط لاگ ناپدید شده است.
دوم، اعداد. گرامر فقط شکل int frac exp را تثبیت میکند؛ بزرگی به پیادهسازی سپرده شده است. جاوااسکریپت همه چیز را از دابلهای IEEE 754 میگذراند، پس 9007199254740993 به ...992 تبدیل میشود. jq از 1.8 لیتیرالهای اعشاری را وفادار نگه میدارد، اما هر محاسبهای به دابل برمیگردد. همان سند میتواند در مقایسه، ذخیره و انتقال سه مقدار متفاوت نشان دهد.
سوم، UTF-8 و نویسههای نامرئی. مشخصات میخواهد JSON مبادلهشده UTF-8 باشد، اما فایل چگونه باز شود، BOM برداشته شود یا نه و بایتهای نامعتبر چطور رفتار شوند، تصمیمهای لایه IO هستند. همان جریان بایت حکمهای متفاوتی میدهد بسته به اینکه پایتون آن را با utf-8 باز کند یا utf-8-sig.
منبع چهارم، گویشهای سهلگیرند. JSON5 کامنت، کوتیشن تکی و کامای انتهایی را مجاز میداند؛ JSONC همان قواعد را در اکوسیستم VS Code شل میکند. کانفیگ که با پارسر آسانگیر تجزیه شود و API که با پارسر سختگیر — رایجترین واگرایی درون یک تیم.
CVE-2026-33948: وقتی اختلاف به سطح حمله تبدیل میشود
تفاوت پارسرها معمولاً فقط اذیت کاربر است. به محض اینکه «اعتبارسنجی» و «تجزیه» روی دو پیادهسازی متفاوت اجرا شوند، به سطح حمله تبدیل میشوند. CVE-2026-33948 که در ۲۰۲۶ افشا شد، یک نمونه درسی است: jq در نسخههای قبل از 1.8.2 هنگام خواندن JSON از فایل، بایتهای NUL درونسازیشده (\0) را میپذیرفت، پس همان ورودی دو حکم میداد — مرحلهی اعتبارسنجی محتوا را همانجا تمامشده تلقی میکرد، در حالی که پردازش واقعی از آن گذشته و ادامه میداد. دور زدن کامل است. اعلان امنیتی گیتهاب اصلاح را تأیید میکند: ارتقا به 1.8.2.
درس را انتزاع کنید: در هر زنجیرهی «اول اعتبارسنجی، بعد تجزیه»، اگر دو گام از پیادهسازیها یا پیکربندیهای متفاوت استفاده کنند، مهاجم میتواند ورودیای بسازد که اعتبارسنج رد کند و پارسر بپذیرد و payload را از کنار بررسی قاچاق کند. همین ساختار در گیتوی هم تکرار میشود — استدلال API7 برای نوشتن تجزیهی سختگیرانه در قرارداد API این است که معناشناسی تجزیه بخشی از قرارداد است، نه رفتار خصوصی یک پیادهسازی. وقتی گیتوی درخواست را با یک مجموعه قاعده رد میکند و سرویس بکاند همان بدنه را با پارسر دیگری میپذیرد، قرارداد از پیش شکسته است.
یک خودآزمایی در یک دستور جا میشود — مطمئن شوید همهی مراحل از یک نسخهی jq استفاده میکنند، شامل این اصلاح:
jq --version
# jq-1.7.1 ← آسیبپذیر، ارتقا دهید
# jq-1.8.2 ← اصلاحشده
کلیدهای تکراری: آخرین مقدار بیصدا اولی را میبلعد
کلیدهای تکراری بخش مستقل خود را دارند، چون تنها مرزیاند که همهی پارسرهای اصلی میپذیرند در حالی که تقریباً هر توسعهدهندهای فکر میکند خطا میدهد.
import json
text = '{"role": "guest", "role": "admin"}'
data = json.loads(text)
print(data) # {'role': 'admin'}
print("guest" in data.values()) # False: مقدار اول رفته است
اگر این متن به بررسی امضا یا تصمیم دسترسی برود، مهاجم میتواند یک فیلد همنام اضافه کند و مجوز را بازنویسی کند، و کد اعتبارسنجی شما فقط مقدار نهایی را میبیند. JSON.parse در Node همینطور رفتار میکند. برای تشخیص بهجای بازنویسی بیصدا، پایتون object_pairs_hook را میپذیرد:
from collections import Counter
def reject_dup(pairs):
counts = Counter(k for k, _ in pairs)
dup = [k for k, c in counts.items() if c > 1]
if dup:
raise ValueError(f"duplicate keys: {dup}")
return dict(pairs)
data = json.loads('{"a":1,"a":2}', object_pairs_hook=reject_dup)
# ValueError: duplicate keys: ['a']
بخش ۴ RFC 8259 بیپرده میگوید: برای قابلیت همکنشپذیری، نامها SHOULD یکتا باشند. ارتقای این SHOULD به قاعدهی اعتبارسنجی هزینهاش یک عبور است و رایجترین منبع «دو ابزار، دو حکم» را حذف میکند.
راهحل: برای هر مرز یک داور
ترمیم این نیست که «برو سراغ پارسر سختگیرتر». این است که به هر نقطهی مرزی یک سیاست صریح و مکتوب بدهید — و کاری کنید اعتبارسنجی و اجرا از همان استفاده کنند. جدول زیر مثل چکلیست بازبینی عمل میکند:
| مرز | رفتار سهلگیر پیشفرض | حکم پیشنهادی | پیکربندی نمونه |
|---|---|---|---|
| کلیدهای تکراری | آخرین میبرد | رد شود | object_pairs_hook در پایتون؛ json/v2 در Go پیشفرض رد میکند |
| NaN / Infinity | پایتون میپذیرد | رد شود | parse_constant در پایتون که استثنا پرتاب میکند |
| اعضای ناشناخته | بیصدا نادیده گرفته میشوند | طبق قرارداد تصمیم بگیرید | RejectUnknownMembers(true) در json/v2 گو |
| UTF-8 نامعتبر | بسته به پیادهسازی | رد شود | اعتبارسنجی صریح جریان بایت در لایه دیکد |
| BOM | تصمیم با بردارنده است | یکبار در ورودی بردارید | utf-8-sig ثابت یا برداشتن قبل از تجزیه |
| اعتبارسنجی و اجرا جدا | هر کس به راه خود | یک پیادهسازی، یک پیکربندی | اعتبارسنجها از پارسر تولیدی استفاده کنند |
در سمت پایتون، خاموش کردن دو پیشفرض خطرناکتر یک فراخوانی است:
import json
def _reject(value):
raise ValueError(f"non-standard constant: {value}")
data = json.loads(
raw,
parse_constant=_reject, # NaN / Infinity را مسدود میکند
object_pairs_hook=reject_dup, # کلیدهای تکراری را مسدود میکند
)
encoding/json/v2 در گو (با نام مستعار jsonv2) کل سیاست را صریح میکند: RejectUnknownMembers(true) فیلدهای ناشناخته را رد میکند و نامهای تکراری بههمراه UTF-8 نامعتبر بهطور پیشفرض رد میشوند. صفحهی روشهای GopherForge در ترتیب دقیق است: بایتهای ورودی را محدود کنید، با سیاست صریح دیکد کنید، دامنه را اعتبارسنجی و مجوزدهی کنید، و فقط بعدش عوارض جانبی را مجاز کنید — و هر مسیر خطا باید با فیکسچر تمرین شود، نه با تغییر رشتهی خطا قضاوت.
سیاست تجزیه را به قراردادها و کورپوسها ببرید
سیاست به محافظت در برابر انحراف نیاز دارد. دو اقدام کافی است.
اول، «چه میپذیریم، چه رد میکنیم» را در مستندات رابط کنار تعریف فیلدها بنویسید. API7 کد خطای پایدار را توصیه میکند تا کلاینتها خطای دائمی قرارداد را از خرابی گذرای زیرساخت تشخیص دهند — کلید تکراریِ ردشده نباید مثل تایماوت گیتوی به نظر برسد، وگرنه طوفان تلاش مجدد دعوت کردهاید. کل بدنهی درخواست را در لاگ نریزید: payload خام ممکن است اعتبارنامه داشته باشد و برخی دنبالههای بایت نامعتبر برای نمایش ناامناند.
دوم، یک کورپوس ابهام بسازید. هر سطر جدول بالا را به فیکسچر آزمون تبدیل کنید: کلیدهای تکراری، کلیدها با بزرگ/کوچکی متفاوت، اعضای ناشناخته، UTF-8 نامعتبر، BOM، مقدار دوم انتهایی، ورودی خالی. در CI دو چیز را تضمین کنید: ورودیهای نامعتبر بدون تولید مقدار جزئی قابل استفاده شکست میخورند و پذیرفتهشدهها رفتوبرگشت انکود/دیکد را بیتغییر طی میکنند. هنگام ارتقای پارسر، نمونههای شکل-تولید را در محیط محافظتشده در حالت مقایسه پخش کنید و تغییر در مجموعه پذیرش را مثل یک تغییر واقعی قرارداد بازبینی کنید، نه اینکه فرض کنید فیکسچرهای قدیمی همهچیز را پوشش میدهند.
این اقدامات مکملِ اعتبارسنجی JSON در CI: خطوط لوله jsonlint، ajv و jq است که میگوید اعتبارسنجی نحوی و اسکیما چطور در خط لوله جا میگیرند؛ این مقاله آنچه قبل از اولین گره است را پوشش میدهد — خود پارسر. ریسکهای تزریقی مثل آلودگی پروتوتایپ و XSS در چکلیست ریسکهای امنیتی JSON پوشش داده شدهاند؛ مشکلات زنجیرهی اعتماد در سطح پارسر — کلیدهای تکراری و بایتهای NUL — دقیقاً لایهی صفرِ آن فهرستاند. برای پیدا کردن خطاهای نحوی ساده ببینید مرزهای گرامر JSON از RFC 8259.
چکلیست پیش از انتشار
- نسخهی پارسرها را در کل زنجیره همتراز کنید: jq، رانتایمها، گیتوی، اعتبارسنجهای آفلاین — اصلاحات ردهی CVE-2026-33948 باید همهجا برسند؛
- کلیدهای تکراری و NaN را صریحاً رد کنید:
object_pairs_hookوparse_constantرا در رپرهای مشترک بگذارید، هرگزjson.loadsرا لخت در کد بیزینسی صدا نزنید؛ - دربارهی اعضای ناشناخته per route تصمیم بگیرید: مصرفکنندگان با سازگاری رو به جلو میتوانند نادیده بگیرند، endpointهای فرمانی باید
RejectUnknownMembersرا فعال کنند؛ - کورپوس ابهام در CI: حداقل ۸ فیکسچر بهعلاوه یک اجرای مقایسهای قدیم علیه جدید قبل از هر ارتقای پارسر؛
- خطاهای طبقهبندیشدنی: کدهای مجزا برای خطای قرارداد و زیرساخت، فقط دومی را دوباره تلاش کنید.
به جملهی ابتدایی برگردیم: قبول شدن در اعتبارسنجی یعنی «پذیرفتهشده توسط پارسری خاص زیر سیاستی خاص». آن سیاست را صریح کنید — در قرارداد، در کورپوس، در سنجاق نسخهها — و «یک JSON، دو حکم» سرانجام ناپدید میشود.
FAQ
آیا کلیدهای تکراری واقعاً طبق مشخصات JSON خطا هستند؟
خطای نحوی نیستند. بخش ۴ RFC 8259 اینطور صورتبندی کرده: نامها SHOULD یکتا باشند — توصیه است، نه الزام — پس پارسرهای اصلی تکراریها را میپذیرند و پیشفرض آخرین مقدار را نگه میدارند. مشخصات برای همکنشپذیری یکتایی را توصیه میکند. ارتقای آن به خطای اعتبارسنجی تصمیم قرارداد است؛ تشخیصش هزینهاش یک عبور است.
چرا کتابخانهی json پایتون NaN را میپذیرد اما جاوااسکریپت خطا میدهد؟
کتابخانهی استاندارد پایتون آگاهانه NaN و Infinity را میپذیرد تا بتواند دادههایی را که تاریخاً با افت ارسال کرده دوباره بخواند. JSON.parse اکمااسکریپت گرامر را سختگیرانه پیاده میکند و SyntaxError میدهد. در پایتون parse_constant را بدهید تا رد شوند، و یک خط پیکربندی دو رانتایم را همراستا میکند.
CVE-2026-33948 چه نسخههایی را در بر میگیرد و چگونه رفع میشود؟
jq قبل از 1.8.2 هنگام خواندن JSON از فایل بایتهای NUL درونسازیشده را میپذیرد که باعث میشود مرحلهی اعتبارسنجی و پارسر واقعی روی یک ورودی اختلاف کنند و دور زدن اعتبارسنجی ممکن شود. اصلاح طبق اعلان گیتهاب، ارتقا به 1.8.2 یا بیلدی حاوی کامیت 6374ae0 است. نسخهها را در اسکریپتها و CI سنجاق کنید و قبل از ارتقا کورپوس ابهام را اجرا کنید.
یکبار در ورودی اعتبارسنجی میکنم و نتیجه را بازاستفاده میکنم — هنوز در معرض خطرم؟
بله، اما ریسک در همان نقطهی ورودی واحد متمرکز است. اگر پارسر ورودی، پیکربندی و نسخهاش سنجاق شده باشند و کورپوس ابهام کلیدهای تکراری، بایتهای NUL و UTF-8 را پوشش دهد، داور دومی درون زنجیره نیست. توپولوژی خطرناک آن است که گیتوی روی یک پیادهسازی باشد و سرویسها روی دیگری، یا اعتبارسنجی روی یک پارسر و اجرا روی دیگری — آنوقت حکم را به خودِ اختلاف میسپارید.