JSON Toolkit

Một JSON, hai phán quyết: khác biệt giữa các parser và ranh giới tin cậy của kiểm tra hợp lệ

Kết luận: Khi một bộ kiểm tra hợp lệ chấp nhận tài liệu còn dịch vụ phía sau lại đổ vỡ, thường là hai parser đã bất đồng về cùng một đoạn văn bản. Bài viết so sánh khóa trùng lặp, byte NUL, UTF-8 không hợp lệ, NaN và số không đứng đầu trên các runtime thực tế, giải thích cách CVE-2026-33948 biến sự bất đồng thành bề mặt tấn công, và chỉ ra cách gán một trọng tài duy nhất cho mỗi ranh giới.

AdvancedĐọc khoảng 6 phútXuất bản 2026-11-11Cập nhật 2026-11-11
Bìa minh họa hai công cụ đưa ra phán quyết trái ngược trên cùng một tài liệu JSON

Đạt kiểm tra hợp lệ chỉ chứng minh đúng một điều: văn bản đã được parser đó, theo chính sách đó, chấp nhận. Thay parser khác đi, phán quyết có thể lật ngược.

Triệu chứng: công cụ A đạt, công cụ B loại

Đây là cảnh ai cũng từng gặp. Một phản hồi API dán vào bộ định dạng trực tuyến nhận dấu tích xanh. Cùng payload đó đến dịch vụ phía sau thì văng ngoại lệ. Khi đặt hai parser cạnh nhau và so từng ký tự, thường không bên nào "sai" — dữ liệu rơi đúng vào điểm hai hiện thực bất đồng.

Những điểm như vậy không nhiều, nhưng mỗi điểm đều phổ biến. Bảng dưới ghi lại hành vi thực tế với các đầu vào tần suất cao (kiểm tra trên Node 22 JSON.parse, thư viện chuẩn json của Python 3.11, jq 1.8 và các bộ kiểm tra trực tuyến thông dụng):

Đầu vào Node JSON.parse Python json.loads jq Ghi chú
{"a":1,"a":2} khóa trùng chấp nhận, giữ giá trị cuối chấp nhận, giữ giá trị cuối chấp nhận, giữ giá trị cuối RFC 8259 chỉ nói SHOULD; cả bốn đều cho qua
{"n":NaN} lỗi chấp nhận lỗi Thư viện chuẩn Python mặc định chấp nhận — bẫy im lặng lớn nhất
{"n":01} số không đứng đầu lỗi lỗi lỗi Bị loại đồng loạt, nhưng vị trí lỗi khác nhau
"中文" lưu thành byte GBK lỗi hoặc lỗi font tùy bảng mã lỗi RFC yêu cầu UTF-8, nhưng giải mã thuộc tầng IO
{"a":1} có BOM lỗi chấp nhận (utf-8-sig) lỗi Ai gỡ BOM thì người đó quyết
chú thích, nháy đơn, dấu phẩy cuối lỗi lỗi lỗi Chỉ parser JSON5/JSONC chấp nhận

Nhìn dòng hai: json.loads('{"cpu":NaN}') là hợp lệ trong Python. Thư viện chuẩn chủ động chấp nhận NaN/Infinity để tương thích ngược, và nhiều pipeline đã đếm những dòng rác này như bản ghi bình thường mà không hay biết sự nhiễm bẩn. Chặn chúng đòi tham số parse_constant tường minh — code bên dưới.

Khác biệt đến từ đâu: khe hở của đặc tả và lựa chọn của hiện thực

RFC 8259 không mơ hồ; đặc tả chủ động bỏ ngỏ ba vùng "cho hiện thực quyết định", và mỗi hiện thực lấp đầy khác nhau.

Thứ nhất, tính duy nhất của tên đối tượng. Mục 4 nói tên NÊN (SHOULD) là duy nhất — lời khuyến nghị, không phải quy tắc. Khóa trùng không phải lỗi cú pháp, và parser khắp nơi chọn "giá trị cuối thắng". Bộ kiểm tra nghiệp vụ khi đó chỉ thấy giá trị còn sót; giá trị người gửi gửi trước tiên đã biến mất không một dòng lỗi hay log.

Thứ hai, con số. Ngữ pháp chỉ chốt dạng int frac exp; độ lớn giao cho hiện thực. JavaScript đẩy tất cả qua số double IEEE 754, nên 9007199254740993 thành ...992. jq từ 1.8 giữ trung thực literal thập phân, nhưng mọi phép tính lại rơi về double. Cùng một tài liệu có thể hiện ba giá trị khác nhau khi so sánh, lưu trữ và truyền tải.

Thứ ba, UTF-8 và ký tự vô hình. Đặc tả yêu cầu JSON trao đổi phải là UTF-8, nhưng tệp mở thế nào, BOM có gỡ không, byte lỗi xử lý ra sao — là quyết định của tầng IO. Cùng một luồng byte cho phán quyết khác nhau tùy Python mở nó bằng utf-8 hay utf-8-sig.

Nguồn thứ tư là các phương ngôn dễ dãi. JSON5 cho phép chú thích, nháy đơn và dấu phẩy cuối; JSONC nới cùng các quy tắc trong hệ VS Code. Cấu hình được phân tích bằng parser khoan dung còn API bằng parser nghiêm ngặt — là sự lệch phổ biến nhất ngay trong một đội.

CVE-2026-33948: khi bất đồng trở thành bề mặt tấn công

Khác biệt parser thường chỉ gây khó chịu về trải nghiệm. Ngay khi "kiểm tra hợp lệ" và "phân tích" chạy trên hai hiện thực khác nhau, chúng thành bề mặt tấn công. CVE-2026-33948, công bố năm 2026, là ví dụ kinh điển: jq trước 1.8.2 cho phép byte NUL chèn sẵn (\0) khi đọc JSON từ tệp, nên cùng một đầu vào cho hai phán quyết — bước kiểm tra coi nội dung kết thúc tại đó, trong khi bước xử lý thực tế đọc tiếp vượt qua. Việc bỏ qua kiểm tra là trọn vẹn. Khuyến nghị bảo mật của GitHub xác nhận bản vá: nâng cấp lên 1.8.2.

Rút bài học: trong mọi chuỗi "kiểm tra trước, phân tích sau", nếu hai bước dùng hiện thực hay cấu hình khác nhau, kẻ tấn công có thể tạo đầu vào mà bộ kiểm tra loại và parser nhận, giunpayload qua rào kiểm. Cùng cấu trúc đó lặp lại ở gateway — lập luận của API7 khi yêu cầu ghi phân tích nghiêm ngặt vào hợp đồng API là ngữ nghĩa phân tích thuộc về hợp đồng, không phải hành vi riêng của một hiện thực. Khi gateway từ chối yêu cầu theo một bộ quy tắc còn dịch vụ backend nhận cùng thân yêu cầu bằng parser khác, hợp đồng đã vỡ từ trước.

Tự kiểm chỉ tốn một lệnh — xác nhận mọi bước chạy cùng phiên bản jq, gồm cả bản vá này:

jq --version
# jq-1.7.1  ← dính lỗi, nâng cấp
# jq-1.8.2  ← đã vá

Khóa trùng lặp: giá trị cuối nuốt gọn giá trị đầu một cách câm lặng

Khóa trùng đáng có một mục riêng vì đây là ranh giới duy nhất mọi parser phổ biến đều chấp nhận trong khi gần như mọi lập trình viên mặc định đó là lỗi.

import json

text = '{"role": "guest", "role": "admin"}'
data = json.loads(text)
print(data)          # {'role': 'admin'}
print("guest" in data.values())  # False: giá trị đầu đã mất

Nếu văn bản ấy nuôi việc kiểm chữ ký hay quyết định phân quyền, kẻ tấn công có thể nối thêm một trường trùng tên để ghi đè quyền hạn, và code kiểm tra của bạn chỉ thấy giá trị cuối cùng. JSON.parse của Node hành xử y hệt. Để phát hiện thay vì ghi đè lặng lẽ, Python chấp nhận object_pairs_hook:

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']

Mục 4 RFC 8259 nói thẳng: để tương thích lẫn nhau, tên NÊN là duy nhất. Đưa SHOULD đó lên thành quy tắc kiểm tra tốn đúng một lượt duyệt và xóa bỏ nguồn phổ biến nhất của "hai công cụ, hai phán quyết".

Giải pháp: mỗi ranh giới một trọng tài

Chữa không phải là "chuyển sang parser nghiêm ngặt hơn". Là cấp cho mỗi điểm ranh giới một chính sách tường minh, được viết ra — và buộc kiểm tra hợp lệ lẫn thực thi dùng cùng chính sách đó. Bảng dưới dùng làm checklist rà soát:

Ranh giới Mặc định dễ dãi Phán quyết khuyến nghị Cấu hình tiêu biểu
khóa trùng giá trị cuối thắng loại bỏ object_pairs_hook Python; json/v2 Go loại mặc định
NaN / Infinity Python chấp nhận loại bỏ parse_constant Python ném ngoại lệ
trường lạ bị bỏ qua lặng lẽ quyết theo hợp đồng RejectUnknownMembers(true) json/v2 Go
UTF-8 không hợp lệ tùy hiện thực loại bỏ kiểm tra luồng byte tường minh ở tầng giải mã
BOM ai gỡ thì người đó quyết gỡ một lần ở cửa vào cố định utf-8-sig hoặc gỡ trước khi phân tích
kiểm tra và thực thi tách rời mỗi bên tự lo một hiện thực, một cấu hình bộ kiểm táu dùng parser của môi trường thật

Ở phía Python, tắt hai mặc định nguy hiểm nhất chỉ tốn một lệnh gọi:

import json

def _reject(value):
    raise ValueError(f"non-standard constant: {value}")

data = json.loads(
    raw,
    parse_constant=_reject,          # chặn NaN / Infinity
    object_pairs_hook=reject_dup,    # chặn khóa trùng
)

encoding/json/v2 của Go (bí danh jsonv2) làm toàn bộ chính sách tường minh: RejectUnknownMembers(true) loại trường lạ, và tên trùng cùng UTF-8 không hợp lệ bị loại mặc định. Trang thực hành của GopherForge دقی sát về thứ tự: chặn giới hạn byte đầu vào, giải mã theo chính sách tường minh, kiểm miền và cấp quyền, rồi mới cho phép tác dụng phụ — và mọi đường lỗi phải được chạy thử bằng fixture, không được phán bằng chuỗi lỗi đã thay đổi.

Đưa chính sách phân tích vào hợp đồng và kho dữ liệu thử

Chính sách cần được bảo vệ khỏi trôi. Hai hành động là đủ.

Thứ nhất, ghi "chúng ta nhận gì, loại gì" vào tài liệu giao diện cạnh định nghĩa trường. API7 khuyến nghị mã lỗi ổn định để khách phân biệt lỗi hợp đồng vĩnh viễn với sự cố hạ tầng tạm thời — khóa trùng bị loại không được trông như timeout của gateway, nếu không bạn mời cơn bão retry. Đừng đổ toàn thân yêu cầu vào log: payload thô có thể chứa thông tin xác thực, và một số chuỗi byte lỗi không an toàn khi hiển thị.

Thứ hai, dựng kho dữ liệu nhập nhằng. Biến từng dòng bảng trên thành fixture kiểm thử: khóa trùng, khóa khác hoa-thường, trường lạ, UTF-8 không hợp lệ, BOM, một giá trị thứ hai ở cuối, đầu vào rỗng. Khẳng định hai điều trong CI: đầu vào không hợp lệ phải thất bại mà không sinh ra giá trị từng phần dùng được, và đầu vào được nhận phải vượt trọn vòng mã hóa/giải mã không đổi. Khi nâng cấp parser, chạy lại mẫu dạng sản xuất trong môi trường được bảo vệ theo chế độ so sánh, và xem xét thay đổi trong tập chấp nhận như một thay đổi hợp đồng thật, thay vì mặc định fixture cũ phủ kín mọi thứ.

Những hành động này bổ sung cho Kiểm tra JSON trong CI: pipeline jsonlint, ajv và jq, nơi trình bày kiểm cú pháp và kiểm schema lồng vào pipeline thế nào; bài này nói về phần trước nút đầu tiên — chính parser. Rủi ro tiêm chích như prototype pollution và XSS nằm ở danh mục rủi ro bảo mật JSON; vấn đề chuỗi tin cậy cấp parser — khóa trùng và byte NUL — chính là tầng số không của danh mục đó. Để định vị lỗi cú pháp đơn thuần, xem Ranh giới ngữ pháp JSON theo RFC 8259.

Checklist trước khi lên sóng

  1. Đồng bộ phiên bản parser trên toàn chuỗi: jq, runtime, gateway, bộ kiểm offline — bản vá loại CVE-2026-33948 phải đến mọi nơi;
  2. Loại bỏ tường minh khóa trùng và NaN: đưa object_pairs_hook và parse_constant vào wrapper dùng chung, đừng bao giờ gọi json.loads trần trụi trong code nghiệp vụ;
  3. Quyết trường lạ theo từng route: bên tiêu dùng tương thích xuôi có thể bỏ qua, endpoint lệnh bắt buộc bật RejectUnknownMembers;
  4. Kho nhập nhằng trong CI: ít nhất 8 fixture, cộng một lần chạy so sánh cũ-chống-mới trước mọi lần nâng cấp parser;
  5. Lỗi phân loại được: mã riêng cho lỗi hợp đồng và lỗi hạ tầng, chỉ retry loại sau.

Trở lại câu mở đầu: đạt kiểm tra hợp lệ nghĩa là "được một parser nào đó, theo một chính sách nào đó, chấp nhận". Hãy biến chính sách đó thành tường minh — vào hợp đồng, vào kho thử, vào ghim phiên bản — và "một JSON, hai phán quyết" cuối cùng biến mất.

FAQ

Khóa trùng thật sự là lỗi trong đặc tả JSON phải không?

Không phải lỗi cú pháp. Mục 4 RFC 8259 diễn đạt là tên NÊN (SHOULD) duy nhất — khuyến nghị, không phải yêu cầu — nên các parser chủ lưu chấp nhận trùng lặp và giữ giá trị cuối theo mặc định. Đặc tả vẫn khuyến nghị tính duy nhất để tương thích. Nâng nó lên lỗi kiểm tra là quyết định hợp đồng; phát hiện chỉ tốn một lượt duyệt.

Vì sao thư viện json của Python nhận NaN còn JavaScript văng lỗi?

Thư viện chuẩn Python chủ động nhận NaN và Infinity để đọc lại được dữ liệu nó từng xuất với tổn thất. JSON.parse của ECMAScript hiện thực ngữ pháp nghiêm ngặt và ném SyntaxError. Truyền parse_constant trong Python là chúng bị loại, và một dòng cấu hình san bằng hai runtime.

CVE-2026-33948 ảnh hưởng những phiên bản nào và vá thế nào?

jq trước 1.8.2, khi đọc JSON từ tệp, nhận byte NUL chèn sẵn khiến bước kiểm tra và parser thực tế bất đồng trên cùng đầu vào, mở đường bỏ qua kiểm tra. Bản vá theo khuyến nghị GitHub là nâng lên 1.8.2 hoặc build chứa commit 6374ae0. Ghim phiên bản trong script và CI, và chạy kho nhập nhằng trước khi nâng cấp.

Tôi kiểm tra một lần ở cửa vào rồi tái dùng kết quả — vẫn có rủi ro?

Có, nhưng rủi ro hội tụ về đúng cửa vào đó. Nếu parser cửa vào, cấu hình và phiên bản của nó được ghim, và kho nhập nhằng phủ khóa trùng, byte NUL và UTF-8, thì trong chuỗi không có trọng tài thứ hai. Topology nguy hiểm là gateway trên một hiện thực còn dịch vụ trên hiện thực khác, hoặc kiểm tra trên parser này còn thực thi trên parser khác — khi đó phán quyết được trao chính cho sự bất đồng.