Java 正则表达式漏洞

由于工作原因，一直没有时间把在线上遇到的问题总结一下。还好，今天我来了。

废话少说了。

主要说一下“java 正则表达式中的一个漏洞”，详细问题描述

http://bugs.sun.com/bugdatabase/view_bug.do?bug_id=6988218

http://bugs.sun.com/bugdatabase/view_bug.do?bug_id=5050507

目前使用 1.6 和 1.7 都没有修补该漏洞。

来个白话文吧

案例代码 Test.java

         final Pattern pattern = Pattern.compile("(0*)*A");
         final String input = "0000000000000000000000000000000000000000000000";

         long startTime = System.currentTimeMillis();
         Matcher matcher = pattern.matcher(input);
         System.out.println(matcher.find());
         System.out.println("Regex took:" + (System.currentTimeMillis() - startTime) + "ms");

• 意思是说匹配器在输入的末尾并没有检测到”A”。现在外侧的限定符后退一次，内存的则前进一次，如此重复，无法得到结果。

• 因此，匹配器逐步回退，并尝试所有的组合以找出匹配符号。它最终将返回(没有匹配的结果)，但是该过程的复杂性是指数型的(输入中添加一个字符加倍了运行时间)

赶紧查看cpu占用率（top）

尼玛呀，这都上99.9了。吓死宝宝了。赶紧看看这货到底是啥？

查看进程信息（ps -ef | grep 17837）(17837为进程id)

这不是我写的那个测试类吗？看来漏洞复现了。赶紧看一下这货暂用CPU的情况

ps mp 17837 -o THREAD,tid,time (注意逗号之间不要加空格)

这家伙已经占用CPU快一个小时了。应该是死循环了。赶紧看看出啥幺蛾子了。

这时我们可以通过jdk提供的工具查看具体的堆栈信息（jstack ）

jstack 17837

#4/13日 发现可以使用 kill -3 pid 来查看dump信息。高兴

问题复现了。这就是我们说说的jdk正则的漏洞。

主要表象就是长时间占用CPU，应用表象就是：页面访问白板，无响应。

具体的解决方案，我不赘述网上其他人说的c，Python的解决方法（因为我不会吗。。。。。）

1）优化正则，别写的那个正则别人一看就吓一跳。其实业务没有那么简单

2）使用线程，并且捕获异常，详见 http://stackoverflow.com/questions/910740/cancelling-a-long-running-regex-match