51工具盒子这次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, $input); ...
}
大意是判断一下用户输入的内容有没有PHP代码，如果没有，则写入文件。这种时候，如何绕过is_php()函数来写入webshell呢？
这道题看似简单，深究其原理，还是值得写一篇文章的。
0x01 正则表达式是什么 {#0x01}
正则表达式是一个可以被"有限状态自动机"接受的语言类。
"有限状态自动机"，其拥有有限数量的状态，每个状态可以迁移到零个或多个状态，输入字串决定执行哪个状态的迁移。
而常见的正则引擎，又被细分为DFA（确定性有限状态自动机）与NFA（非确定性有限状态自动机）。他们匹配输入的过程分别是：
- DFA: 从起始状态开始，一个字符一个字符地读取输入串，并根据正则来一步步确定至下一个转移状态，直到匹配不上或走完整个输入
- NFA：从起始状态开始，一个字符一个字符地读取输入串，并与正则表达式进行匹配，如果匹配不上，则进行回溯，尝试其他状态
由于NFA的执行过程存在回溯，所以其性能会劣于DFA，但它支持更多功能。大多数程序语言都使用了NFA作为正则引擎，其中也包括PHP使用的PCRE库。
0x02 回溯的过程是怎样的 {#0x02}
所以，我们题目中的正则<\?.*[(`;?>].*，假设匹配的输入是<?php phpinfo();//aaaaa，实际执行流程是这样的：
见上图，可见第4步的时候，因为第一个.*可以匹配任何字符，所以最终匹配到了输入串的结尾，也就是//aaaaa。但此时显然是不对的，因为正则显示.*后面还应该有一个字符[(`;?>]。
所以NFA就开始回溯，先吐出一个a，输入变成第5步显示的//aaaa，但仍然匹配不上正则，继续吐出a，变成//aaa，仍然匹配不上......
最终直到吐出;，输入变成第12步显示的<?php phpinfo()，此时，.*匹配的是php phpinfo()，而后面的;则匹配上[(`;?>]，这个结果满足正则表达式的要求，于是不再回溯。13步开始向后匹配;，14步匹配.*，第二个.*匹配到了字符串末尾，最后结束匹配。
在调试正则表达式的时候，我们可以查看当前回溯的次数：
这里回溯了8次。
0x03 PHP的pcre.backtrack_limit限制利用 {#0x03-phppcrebacktrack_limit}
PHP为了防止正则表达式的拒绝服务攻击（reDOS），给pcre设定了一个回溯次数上限pcre.backtrack_limit。我们可以通过var_dump(ini_get('pcre.backtrack_limit'));的方式查看当前环境下的上限：
这里有个有趣的事情，就是PHP文档中，中英文版本的数值是不一样的：
我们应该以英文版为参考。
可见，回溯次数上限默认是100万。那么，假设我们的回溯次数超过了100万，会出现什么现象呢？比如：
可见，preg_match返回的非1和0，而是false。
preg_match函数返回false表示此次执行失败了，我们可以调用var_dump(preg_last_error() === PREG_BACKTRACK_LIMIT_ERROR);，发现失败的原因的确是回溯次数超出了限制：
所以，这道题的答案就呼之欲出了。我们通过发送超长字符串的方式，使正则执行失败，最后绕过目标对PHP语言的限制。
对应的POC如下：
import requests
from io import BytesIO
files = {
'file': BytesIO(b'aaa<?php eval($_POST[txt]);//' + b'a' * 1000000)
}
res = requests.post('http://51.158.75.42:8088/index.php', files=files, allow_redirects=False)
print(res.headers)
0x04 PCRE另一种错误的用法 {#0x04-pcre}
延伸一下，很多基于PHP的WAF，如：
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：
if(preg_match('/UNION.+?SELECT/is', $input)) {
die('SQL Injection');
}
这里涉及到了正则表达式的"非贪婪模式"。在NFA中，如果我输入UNION/*aaaaa*/SELECT，这个正则表达式执行流程如下：
.+?匹配到/- 因为非贪婪模式，所以
.+?停止匹配，而由S匹配* S匹配*失败，回溯，再由.+?匹配*- 因为非贪婪模式，所以
.+?停止匹配，而由S匹配a S匹配a失败，回溯，再由.+?匹配a- ...
回溯次数随着a的数量增加而增加。所以，我们仍然可以通过发送大量a，来使回溯次数超出pcre.backtrack_limit限制，进而绕过WAF：
0x05 修复方法 {#0x05}
那么，如何修复这个问题呢？
其实如果我们仔细观察PHP文档，是可以看到preg_match函数下面的警告的：
如果用preg_match对字符串进行匹配，一定要使用===全等号来判断返回值，如：
function is_php($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。
