Python 标识符 NFKC 归一化:方法名折叠覆盖与兼容字符压缩长度
web/python · verified
一句话结论
Python 3 在编译期按 NFKC 归一化标识符,所以源代码里的 tesᵗ 与 test 会落到同一个名字上:先定义的方法可被后定义的变体字符方法静默覆盖;同时,Ⅷ 这类兼容字符能用一个字符表示 VIII 四个字符,使长度限制检查与实际语义长度不一致。字符串字面量不参与这种归一化,这是该手法的重要边界。
原理
- Python 3 遵循 PEP 3131,对标识符做 NFKC(Unicode 兼容合成)归一化后再作为名字表 key。数学斜体、粗体、全角、上标、下标、连字等字符,NFKC 后会折叠成对应 ASCII 标识符。
- 因此
def tesᵗ()在类字典中注册的 key 是test;dir(A)只显示test,逐字符打印也是0x74 0x65 0x73 0x74。若同一作用域先定义test、再定义tesᵗ,后者覆盖前者;调用A.test()与A.tesᵗ()都执行后者(原文实测两者都输出 2)。 - 该特性可用于:
- 在允许注入代码/定义方法的场景(插件、模板、动态 exec)中覆盖安全校验方法或业务方法;
- 绕过基于 ASCII 方法名/关键字匹配的 WAF(变体字符在 UTF-8 字节层面与 ASCII 不同);
- 制造同名冲突,让审计者看到的源码与实际绑定不一致。
- 边界一:字符串字面量不做 NFKC/NFC 以外语义的兼容折叠。
"ʰᵉ𝓵𝓵ℴ"作为字符串内容时 NFD/NFC 保持原样,NFKD/NFKC 才展开成hello;而标识符在编译期已按 NFKC 归一化。原文用prinᵗ(1)能执行、"ʰᵉ𝓵𝓵ℴ..."仍按原字符串输出验证了这一点。 - 边界二:关键字(
class、def)、语法符号不能被替换;替换只对标识符有效。 - 长度压缩:
Ⅷ(U+2167)NFKC 为VIII,一个字符语义上等于四个字符。task_Ⅷ()原文长度 8,NFKC 后task_VIII()长度 11;若过滤器只检查原文长度<= 8,则通过检查后exec仍能调用task_VIII。反向的长度膨胀也可用于让过滤器低估/高估内容。 - 攻击能否落地取决于存在“对不可信输入执行代码/定义方法”的入口(exec/eval、模板编译、插件加载),以及过滤器在归一化前的表示上做判断。
触发条件
- 存在用户可控的
eval/exec、动态方法定义或代码生成入口。 - WAF/长度校验基于原始字符串(未做 NFKC 归一化)或只匹配 ASCII 标识符。
- 目标 Python 3(PEP 3131 生效);不同 Web 框架可能提前归一化/转义,可用字符集合会变化。
- 覆盖场景需要攻击者能在目标命名空间中定义同名方法。
利用步骤
- 确认代码执行/方法定义入口,以及输入是否经过 NFKC 归一化。
- 选择目标标识符(如
system、exec、test、业务校验方法名)。 - 用 NFKC 等价的变体字符替换其中部分字符(如
𝘴𝘺𝘴𝘵𝘦𝘮、tesᵗ),构造 payload。 - 若存在长度限制,用
Ⅷ、№、™等“一字符展开多字符”的兼容字符压缩原文长度。 - 发送并观察:WAF 未命中、执行成功、方法覆盖生效。
- 注意字符串字面量不会被同样折叠;需要隐藏的字符串内容应使用
\uXXXX转义或其他编码层手法。
PoC
方法名折叠与覆盖:
class A:
def test():
print("original")
def tesᵗ(): # NFKC 后同样是 "test"
print("hijacked")
print([n for n in dir(A) if not n.startswith('__')]) # ['test']
A.test() # hijacked
A.tesᵗ() # hijacked
长度限制绕过:
import unicodedata
def task_VIII():
print("OK")
payload = "task_Ⅷ()"
print(len(payload)) # 8
print(len(unicodedata.normalize('NFKC', payload))) # 11
if len(payload) > 8:
print("fail")
else:
exec(payload) # 输出 OK
标识符变体示例(部分):a → ᵃ/a/𝐚/𝑎/𝒂/𝓪,t → ᵗ/t/𝐭/𝑡/𝓉,0 → 0/𝟎/𝟘/𝟢,_ → _/﹍/﹏。原文给出 A–Z、a–z、0–9、下划线的完整可用表。
变体与关联
- 通用 WAF 绕过(NFKC 斜体标识符 + Base64/零宽/Latin-1)已有独立卡片;本卡聚焦“标识符折叠/覆盖”与“长度压缩”两个新维度。
- 与 Unicode 规范化相关的另一类问题是同一字符串的多种表示导致比较/去重不一致(NFC vs NFD)。
- Bottle 等框架在 URL 解码时按单个
%XX处理,可用变体字符受限(原文提到%aa/%ba),需按框架实测。 - JSON 层的
\uXXXX转义绕过见独立卡片。
检测与防御
- 对所有输入先做 NFKC/NFKD 归一化,再执行关键字、长度、语法校验;长度限制应在归一化后计算。
- 禁止对不可信输入使用
eval/exec;使用 AST 白名单或隔离沙箱,只允许明确的表达式子集。 - 拒绝代码执行上下文中的非 ASCII 标识符(或只允许
[A-Za-z_][A-Za-z0-9_]*)。 - 代码审计关注
exec/eval/compile与动态setattr/def生成;检测变体字符(U+1D400–U+1D7FF、全角区、上标/下标区)。 - 对方法覆盖风险做命名空间隔离,避免用户代码与安全校验方法共享同一作用域。