Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Protobuf: invalid UTF-8 sequences (overlong, surrogates, > U+10FFFF, bad continuation bytes) not rejected in strings

Abierto
  • ¿Algo no está bien?
#863 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
4/5
Tiempo estimado
3-5 días
Aptitud para principiantes
56/100
Tipo de issue
Error
Claridad
Bien especificado
Estado de actividad
Activo
Stack tecnológico
java
Área
api, backend

Línea de trabajo

Read the affected methods _finishShortText(), _finishLongText(), _decodeUTF8_3(), and _decodeUTF8_4(), along with ProtobufUtil.sUtf8UnitLengths. Start by reproducing the listed invalid byte sequences and checking how short and long text paths differ. Done means all listed invalid sequences are rejected in both applicable paths, with regression tests covering the cases.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

protobuf

ProtobufParser accepts several invalid UTF-8 sequences in string fields and decodes them into characters. RFC 3629 makes these sequences invalid.

Same class of bug as FasterXML/jackson-core#1782 and FasterXML/jackson-dataformats-text#763.

Reproduced on 2.x:

ProtobufMapper mapper = new ProtobufMapper();
ProtobufSchema schema = ProtobufSchemaLoader.std.parse("message M { optional string s = 1; }");
// field 1, length 4, 'a' C0 AF 'b'
byte[] doc = {0x0A, 0x04, 'a', (byte) 0xC0, (byte) 0xAF, 'b'};
JsonParser p = mapper.getFactory().createParser(doc);
p.setSchema(schema);
p.nextToken(); p.nextToken(); p.nextToken();
p.getText(); // -> "a/b"
Bytes Result
C0 AF, E0 80 AF (overlong) /
F0 80 80 AF (overlong 4-byte) ￀\uDC2F
ED A0 80 (encoded surrogate) lone \uD800
F4 90 80 80 (above U+10FFFF) \uDC00\uDC00
F5 80 80 80 (lead byte F5-F7) \uDCC0\uDC00
C3 41, E2 41 41, F0 41 41 41 (missing continuation bytes) Á, ⁁, ￄ\uDC41

The missing-continuation rows apply to strings that fit in the input buffer (_finishShortText()). The long-text path rejects them. The other rows apply to both.

Affected code: _finishShortText(), _finishLongText(), _decodeUTF8_3(), _decodeUTF8_4(). ProtobufUtil.sUtf8UnitLengths maps 0xC0/0xC1 and 0xF5-0xF7 to valid lengths.

Suggested fix: check continuation bytes in _finishShortText(). After decoding, check minimum values of 0x80, 0x800 and 0x10000 for 2-, 3- and 4-byte sequences, a maximum of 0x10FFFF, and reject 0xD800-0xDFFF.

Smaller issue in error messages: in the short path an invalid lead byte is reported as Invalid byte 80 in Unicode text block (no 0x), at the end-of-string offset rather than at the bad byte.

Lenguaje dominante
Java
Estrellas
348
Forks
159
Merge medio
22 h 34 min
PR fusionados (30 d)
39

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de FasterXML/jackson-dataformats-binary

Todos los issues de FasterXML/jackson-dataformats-binary

Issues similares

Más issues de Java

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.