مقالات معمّقة حول التكنولوجيا التي تشكّل المستقبل.

ثغرات Regex في Ruby: فخ Unicode Case Folding

سبع ثغرات في Regex وتحويل الحالة في Ruby تكشف أن Unicode case folding حقل ألغام لأمان الذاكرة. إليك كيف تدقق كودك.

كتلة طباعة بارزة تنقسم إلى كتلتين أصغر فوق صينية طابعة
تحويل حرف واحد إلى حرفين هو جوهر الخلل كله: الحرف الألماني ß يتحول إلى SS، فتختل حسابات حجم المخزن المؤقت.

تقوم تطبيق Rails بتطبيع عناوين البريد الإلكتروني عبر استدعاء upcase قبل تخزينها، كما توصي آلاف الدروس التعليمية. يسجّل مستخدم بالعنوان mueller@straße.example عبر نموذج قرّر في مكان ما من خط المعالجة أن ترميز Windows-1252 خيار مقبول. يحوّل استدعاء upcase الحرف ß الأخير إلى SS — بايتان بدلاً من بايت واحد — فيكتب أحد هذين البايتين خارج نهاية مخزن مؤقت على الكومة. وهذا ليس افتراضاً نظرياً، بل إعادة بناء معقولة لإحدى ثغرات Regex وتحويل الحالات في Ruby السبع التي رقّعها الفريق الأساسي للتو، والعديد منها لديه إثباتات مفهوم تعمل لتنفيذ الكود عن بُعد.

صدر التنبيه مع ثلاثة إصدارات طارئة — Ruby 4.0.10 و3.4.13 و3.3.14 — وهو دراسة حالة مفيدة لحقيقة أعمق: تحويل الحالة يبدو أبسط عملية في مكتبة النصوص، وهو في الواقع من أخطرها. هنا يلتقي مواصفات Unicode الواسعة مع شيفرة C قديمة عمرها عقود، وعند هذا الوصل تنمو ثغرات فيض الكومة.

سبع ثغرات، مكونان، سبب جذري واحد

تنقسم التنبيهات السبعة (وتُتبع بمعرّفات GHSA بينما تمر أرقام CVE بعملية تخصيص متأخرة) إلى عائلتين. اثنتان في تحويل حالة String: فيض مخزن مؤقت على الكومة بمقدار بايت واحد، وفيض صحيح يتسلسل إلى فيض على الكومة. وخمس في محرك التعبيرات النمطية في Ruby: إعادة تحرير مزدوجة أثناء تجميع النمط، وفيض صحيح أثناء التجميع، وقراءة خارج الحدود في المطابقة غير الحساسة لحالة الأحرف، وقراءة خارج الحدود في مطابقة المراجع الخلفية غير الحساسة لحالة الأحرف، وفيض مخزن مؤقت على الكومة في Regexp#to_s.

لاحظ ما يجمعها. ليست برمجة متهورة بالمعنى المعتاد — فنواة Ruby المكتوبة بلغة C قديمة ومجربة بكثافة وخضعت لاختبارات Fuzzing مكثفة. بل لأن المكونين يطبّقان دلالات Unicode لتغيير الحالة، ودلالات Unicode لتغيير الحالة فخ. تتطلب المطابقة في Regex غير الحساسة لحالة الأحرف طي النمط والمدخل معاً، أي أن المحرك يعمل على جداول التحويل نفسها التي يستخدمها String#upcase، لكن على مسار أكثر سخونة ومع تأثير أكبر للمهاجم على المدخلات. ويجب أن تقارن المراجع الخلفية في الوضع غير الحساس لحالة الأحرف سلاسل مطوية. ويجب أن يعيد Regexp#to_s إصدار نص مصدر النمط مع خياراته، فيحسب حجم المخزن لإعادة بناء تتضمن منطقاً يعي الحالة. تواجه كل مسارات الكود هذه السؤال نفسه الصعب بخداعه: ما حجم هذا النص بعد أن أغيّر حالته؟

يحصل Ruby 3.3 على الإصلاح لأنه ما زال في مرحلة الصيانة الأمنية. أما Ruby 3.2 والإصدارات الأقدم فقد انتهى دعمها ولن تحصل على شيء — إن كنت على أحدها، فهذا التنبيه هو موعد ترحيلك، لا مجرد تحذير.

تاريخ موجز لتحويل الحالة حين يسير خطأ

في ASCII يكون تغيير الحالة قلب بت واحد: ستة وعشرون زوجاً من الأحرف، بمطابقة واحد لواحد، وحفاظ على الطول، ومستقل عن اللغة. تجسّد toupper() من لغة C في حقبة K&R الفكرة كلها في جدول بحث واحد. وهذا هو النموذج الذهني الذي يحمله معظمنا إلى مرحلة البلوغ، وهو النموذج المضمّن في منطق تحديد حجم المخازن المؤقتة في شيفرة C حول العالم. لكنه خاطئ تقريباً لكل نظام كتابة يتجاوز اللاتينية الأساسية.

يعرّف Unicode آلاف تحويلات الحالة، وشريحة لا يُستهان بها منها ليست واحداً لواحد. يتحول الحرف الألماني ß (ß) إلى SS عند تكبيره. ويتحول رباط ff إلى FF. وتتمدد الرباطات الأرمنية. ويملك اليوناني حرف السيغما الذي يعتمد على السياق — σ مقابل ς في نهاية الكلمة — فيتوقف الطي الصحيح على الحروف المجاورة. وتعاني التركية والأذرية مشكلة الـ I المنقّط وغير المنقّط، حيث يتحول i إلى İ وı إلى I، وهي مشكلة كسرت بشهرة كل شيء من تطبيقات Java إلى strtoupper في PHP ضمن الإعدادات المحلية التركية. وأُضيفت للشيروكي أحرف صغيرة بأثر رجعي في Unicode 8.0 عام 2015، فتحول نص كان بلا حالة إلى نص ذي حالتين، مما أبطل افتراضات في برمجيات في كل مكان.

تزيد ترميزات الإرث الأمر سوءاً. يملك Windows-1252 بايتاً للحرف الصغير ß (0xDF) لكنه لا يملك بايتاً لنسخة كبيرة افتراضية، لأن الألمانية تاريخياً لم تستخدم تلك النسخة في النص الجاري؛ بل كانت تكتب SS. لذلك حين تعمل روتين تحويل الحالة على نص Windows-1252 وتصادف ß فتستبدله بـ SS بشكل صحيح، يكبر النص بمقدار بايت إضافي. تشير التحليلات الدقيقة المتداولة بعد التنبيه إلى أن هذا هو فيض البايت الواحد تحديداً: إذ يبدو أن حلقة التحويل تتحقق من مساحة المخزن حرفاً حرفاً، فإذا كان ß هو الحرف الأخير في نص محدد الحجم بإحكام، يُكتب حرف S زائد خارج المخصص. فيض بايت واحد على الكومة مع S يتحكم فيه المهاجم أداة استغلال مزعجة ودقيقة، لكن التنبيه يؤكد وجود إثباتات مفهوم تحقق تنفيذ الكود عن بُعد، أي أن أحدهم قام بتهيئة الكومة (heap grooming) فعلاً.

تحويل الحالة ليس تبايناً (bijection)، ولا يحافظ على الطول، ولا يعتمد على اللغة المحلية، وليس قابلاً للتمثيل في كل ترميز. أما الشيفرة التي تفترض غير ذلك فهي ثغرة تنتظر أداة Fuzzing.

لماذا يُعد محرك Regex القلق الأكبر

محرك التعبيرات النمطية في Ruby هو Onigmo، وهو تفرع من Oniguruma، وهو قطعة برمجيات مبهرة فعلاً: يتعامل مع عشرات الترميزات، وطيّ Unicode الكامل للحالة، والنظر إلى الخلف (lookbehind)، والمجموعات المسماة، والمراجع الخلفية، كل ذلك بلغة C، مع طبقات تعود إلى أواخر التسعينيات. وتكمن المشكلة في هذه الطبقات. فالمطابقة غير الحساسة لحالة الأحرف في Onigmo تعني أن كل نقطة مقارنة قد تشغّل منطق الطي، والطي يغيّر الأطوال، لذلك فإن حسابات الإزاحات في النمط والنص وحدود المطابقة معقدة فعلاً. واثنتان من الأخطاء المصححة هما قراءتان خارج الحدود في هذه الآلية بالضبط: واحدة في المطابقة غير الحساسة لحالة الأحرف عموماً، وأخرى تحديداً في مطابقة المراجع الخلفية غير الحساسة لحالة الأحرف، حيث يقارن المحرك سلسلة سبق التقاطها (والمطوية) مع الموضع الحالي.

لكن نموذج الاستغلال أهم من التفاصيل الداخلية. تُفعَّل ثلاث من أخطاء Regex الخمسة الأثناء تجميع النمط، ويوضح التنبيه بصراحة من المعرّض للخطر: التطبيقات التي تجمّع أنماطاً يتحكم فيها المهاجم. قد تظن أن هذا نادر، لكنه ليس كذلك. كل مربع بحث يُغلَّف بـ Regexp.new(query)، وكل قاعدة تحقق قابلة للتهيئة تُحمّل من قاعدة بيانات، وكل طبقة تحليل سجلات أو توجيه تبني أنماطاً من ملفات إعداد يتحكم فيها مشغّل أو مستأجر مخترَق — كل ذلك مسار تجميع يمكن أن يصل إليه مدخل عدائي. قبل هذا التنبيه كانت أسوأ حالة لتجميع نمط عدائي هي ReDoS: نمط بتراجع كارثي (catastrophic backtracking) يثبّت وحدة المعالجة المركزية. مزعج لكنه قابل للتعافي. أما الآن فأسوأ حالة هي فساد الذاكرة مع إثباتات تنفيذ كود عن بُعد. وهذا خطر مختلف نوعياً عن نفس السطر الذي كان في الإنتاج لسنوات.

هناك نمط يستحق التسمية: المواصفة تقول شيئاً، والشيفرة بلغة C تقول شيئاً آخر، والفجوة بينهما قابلة للاستغلال. سبق أن تناولنا هذه الديناميكية — فجوة المواصفة والتنفيذ هي المكان الذي تعيش فيه الأخطاء — وجداول طي حالة Unicode من أغنى المواصفات التي قد يُطلب من مبرمج C تنفيذها. تتغير الجداول بين إصدارات Unicode، ولقواعد الحالات الخاصة بنود فرعية، والشخص الذي كتب شيفرة تحديد حجم المخزن في عام 2003 كان يعمل على نسخة Unicode أصغر وأبسط من تلك التي تصل إليها نصوصك اليوم.

فيض الأعداد الصحيحة: أربعة غيغابايت تصبح ستة بايتات

الخلل الثاني في النصوص مثال جميل على نمط فشل مختلف: حساب أطوال بعرض 32 بت في عالم 64 بت. يستخدم إثبات المفهوم هذا، الذي انتشر علناً بعد التنبيه، ترميز Shift_JIS وسلسلة تتجاوز أربعة غيغابايت:

str = ("\x82\xA0" + ("A" * (2**32 + 4))).force_encoding(Encoding::Shift_JIS)
puts "str.bytesize: #{str.bytesize}"   # 4294967302
new_str = str.downcase
puts new_str.bytesize   # 6 on unpatched builds (!)
puts new_str.bytes      # [130, 160, 97, 97, 97, 97]

تدخل سلسلة بحجم 4,294,967,302 بايت، فيبلغ الناتج بعد التحويل إلى الحروف الصغيرة حجماً مُبلغاً عنه يساوي 6. في مكان ما من مسار التحويل حُسب الطول أو قُصّ عبر نوع بعرض 32 بت، فـ 2³² + 6 التفّ ليصبح 6، وتم تحديد حجم التخصيص أو النسخ وفقاً لذلك — وهذا خط أنابيب كلاسيكي من فيض الأعداد الصحيحة إلى فيض الكومة. قد يبدو أربعة غيغابايت مدخلاً سخيفاً، لكن تذكّر أن السلاسل في عملية قيد التشغيل لا يلزم أن تصل عبر الشبكة دفعة واحدة: إنها تُبنى من أجزاء، ومن فك الضغط، ومن الدمج في مهام الاستيراد ومحللات الملفات. فالمهاجم القادر على التأثير في حجم البيانات المتراكمة في سلسلة، ثم جعل downcase يُستدعى عليها، يتحكم في طرفي هذا الخلل.

يشترك خلل السلسلتين في درس معماري مع خلل النجمة في Alpine الذي عمره عقد: الشيفرة الخطرة تقع على مسار لا يفكر أحد فيه كسطح هجوم. لا أحد يقوم بنمذجة التهديدات لـ upcase. ولهذا بالضبط تعيش هذه الأخطاء لسنوات — فهي في مسارات لا يدققها البشر، ولم تكن أدوات Fuzzing حتى وقت قريب تصل إليها بذكاء كافٍ لبناء سلاسل صالحة متعددة البايتات.

اكتشفت الآلات هذه الأخطاء، وهذا يغيّر الحسابات

انظر إلى قائمة الشكر. أربعة من التنبيهات السبعة تشكر Stephan Lipp من Ada Logics — الشركة التي تقف وراء جزء كبير من تطوير أدوات OSS-Fuzz — و Anthropic. هذا خبير في البنية التحتية للـ Fuzzing مقترناً بنموذج ذكاء اصطناعي، وليس هذا أول تنبيه بهذه البصمة في الآونة الأخيرة. وتستحق سلالة هذه التقنية التقدير: بدأ الـ Fuzzing مع Barton Miller حين غذّى أدوات Unix بمدخلات عشوائية عام 1990، وأصبح أذكى مع الطفرات الموجهة بالتغطية في AFL عام 2013، وصار صناعياً مع OSS-Fuzz الذي يضرب مشاريع المصادر المفتوحة باستمرار منذ 2016، والآن اكتسب طبقة قادرة على الاستدلال حول الشيفرة — فبناء سلسلة Shift_JIS بحجم 4 GiB أو مخزن Windows-1252 ينتهي بـ ß يتطلب فهماً لصلاحية الترميز وحساب الأطوال، لا مجرد تعديل البايتات عشوائياً.

ذراع فحص ميكانيكي يفحص بطاقات مثقبة على سير ناقل وإحداها متوهجة
الـ Fuzzing الموجه بالتغطية مع استدلال نماذج اللغة يدقق شيفرة C القديمة أسرع مما استطاع البشر يوماً.

للتداعيات الاستراتيجية وجهان. يكتسب المدافعون تدقيقاً مستمراً وغير متعب لقواعد شيفرة لم يكن بوسع أي فريق تحمل مراجعتها يدوياً. لكن القدرة نفسها متاحة لأي شخص يملك نموذجاً وحوسبة، وليس الجميع يرفع التنبيهات. انتهى العصر المريح الذي كان فيه خلل فساد ذاكرة في مسار شيفرة غامض يتوقع سنوات من الحياة بلا إزعاج؛ فقد انهارت اقتصاديات العثور عليها. سبق أن جادلت بأن ماسحات الأمان بالذكاء الاصطناعي تطالب بديوننا التقنية، وهذا هو الإيصال: بيئة تشغيل لغة تستخدمها ملايين الأنظمة، وجدتها معيبة ليس باحث ملول في عطلة نهاية أسبوع، بل خط أنابيب آلي سيستمر في العمل ببساطة.

موقفي: هذا يعزز حجة اللغات الآمنة للذاكرة، لكن ليس بالطريقة السطحية التي يُؤطَّر بها النقاش عادةً. إعادة كتابة Onigmo بلغة Rust لم تكن لتصلح المنطق — فطي الحالة الذي يغيّر طول النص ما زال خطراً على مستوى المواصفات، وسؤال حجم المخزن ما زال يجب أن يُجاب بدقة. ما تزيله سلامة الذاكرة هو تدرج العواقب. يتحول خلل المنطق إلى ذعر في البرنامج، أو نتيجة خاطئة، أو طلب فاشل — لا إلى تنفيذ كود عن بُعد. وهذا ليس أمراً بسيطاً؛ إنه الفرق بين حادثة وإشعار انقطاع خدمة.

كيف تدقّق تعرّضك الخاص

ابدأ بالواضح ثم توسّع. رقِّ إلى 4.0.10 أو 3.4.13 أو 3.3.14 — فـ Onigmo مضمّن في بناء Ruby، فلا توجد مكتبة منفصلة لترقيعها؛ وقت التشغيل نفسه هو الترقيع. ثم دقّق شيفرة تطبيقك بحثاً عن الشكلين الخطرين: سلاسل يؤثر فيها المهاجم تتدفق إلى عمليات تحويل الحالة، وأنماط يؤثر فيها المهاجم تتدفق إلى Regexp.new أو Regexp.compile.

  • توقف عن تجميع مدخلات المستخدم داخل الأنماط. إذا كان المستخدمون يزودون كلمات بحث، فاهرب منها باستخدام Regexp.escape. وإذا احتاجوا فعلاً إلى قوة التعبيرات النمطية، فضع قائمة سماح ومهلة زمنية صارمة أمامها — واعلم أن المهلة الزمنية تساعد ضد ReDoS، لا ضد فساد الذاكرة.
  • طبّع الترميزات عند حدود الثقة. يعتمد خلل السلسلتين على ترميزات غريبة (Windows-1252 و Shift_JIS). إذا كان تطبيقك يتحدث UTF-8 فقط، فقل ذلك عند الأطراف: فرض الترميز أو تحويله عند الدخول، ورفض ما لا يُحوَّل بنظافة.
  • فضّل المقارنة غير الحساسة لحالة الأحرف على تحويل الحالة. a.casecmp?(b) يطرح سؤالاً؛ أما a.upcase == b.upcase فيخصص سلسلتين جديدتين بالترميز الذي يدّعيه المدخل. لواجهة المقارنة سطح دلالي أصغر بكثير.
  • ابحث عن upcase وdowncase وswapcase وcapitalize في البيانات غير الموثوقة. كل موقع استدعاء هو مكان يعيش فيه افتراض حول الطول. وينطبق الأمر نفسه على أي امتداد C كتبته ويقوم بمنطق الحالة الخاص به — فهذه لا تستفيد أبداً من إصلاحات فريق النواة.
  • اختبر الـ Fuzzing على ما تملكه. يخضع Ruby نفسه لـ Fuzzing عبر OSS-Fuzz، لكن امتدادات C الخاصة بك لا تخضع له. وسيجد AFL++ أو libFuzzer مع ASan فئات الأخطاء نفسها في شيفرتك التي وجدتها الآلات للتو في Ruby.
  • اعرف حالة صيانة بيئة التشغيل لديك. انتهى دعم Ruby 3.2 ولم يحصل على هذه الإصلاحات. عبارة 'ما زال يعمل' ليست موقفاً أمنياً حين يتوقف تيار الترقيعات.

مثال ملموس قبل وبعد لأكثر نمط شيوعاً — تطبيع أسماء المستخدمين أو عناوين البريد لفحوصات التفرد:

# Before: allocates a new string, trusting the input's claimed encoding
def normalize(username)
username.upcase
end
# After: pin the encoding at the boundary, fold for comparison only
def normalize(username)
utf8 = username.encode(Encoding::UTF_8, invalid: :replace, undef: :replace)
utf8.downcase(:fold)
end
# And for comparisons, skip allocation entirely:
def same_user?(a, b)
a.encode(Encoding::UTF_8).casecmp?(b.encode(Encoding::UTF_8))
end

لا شيء من هذا يجعلك آمناً على بيئة تشغيل غير مرقّعة — ولهذا الترقية موجودة. لكن هذه العادات تقلص فئة الأخطاء التي قد يرثها تطبيقك من الطبقة التي تحته، وتجعل شيفرتك صادقة بشأن حقيقة أن النص ليس بايتات.

أقفال على طاولة عمل وأحدها مفتوح تحت عدسة مكبرة مع أدوات دقيقة
تدقيق تعرّضك: الأقفال التي لم تركّبها بنفسك ما زالت تخصّك.

الدرس الأعمق لبيئات تشغيل اللغات

هناك إغراء بأن نصنّف هذا تحت 'لغة C خطرة، والمزيد في الحلقة القادمة'، وقد فعلت الردود السطحية على التنبيه ذلك بالضبط. لكنني أذهب أبعد. هذه الأخطاء السبعة ليست في الحقيقة عن لغة C — بل عن عدم التطابق بين معيار توطين متطور وافتراضات تنفيذ جامدة. سيستمر Unicode في إضافة أنظمة كتابة وتحسين التحويلات. وكل بيئة تشغيل لغة على الأرض لديها شيفرة تحويل حالة مكتوبة وفق نسخة قديمة من تلك الجداول، ومحجمة وفق فهم قديم لمدى نمو النص. أُمسك Ruby هذا الشهر؛ وستكون التالية محرك Regex أو مطوي حالة أو روتين تطبيع لشخص آخر.

الخلاصة العملية هي معاملة تحويل النص كحد أمني لا كدالة مساعدة. كل ما يعيد ترميز النص أو يغيّر حالته أو يطبّعه أو يطويه هو محلل، والمحللات هي المكان الذي تعيش فيه أخطاء الذاكرة. والخلاصة التاريخية — التي أجدها مُرضية حقاً كعاشق للغات — هي أن الحرف الألماني المتواضع ß، الذي تعامل معه الطابعون منذ عهد خط Fraktur، ما زال قادراً على أن يمتد عبر ستة قرون من التاريخ الطباعي ويكتب بايتاً واحداً خارج نهاية مخزن مؤقت على الكومة. لم تكن اللغة بسيطة يوماً. نحن فقط بنينا آلاتنا على افتراض أنها كذلك.