百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

X-Requested-With 学习笔记

ztj100 2024-12-03 20:03 20 浏览 0 评论

最近看到一段server端的code, 依据 X-Requested-With header来判断是否 ajax 请求。

public boolean isAjax(HttpServletRequest request) {
    if(request != null) {
        isAjax = "XMLHttpRequest".equals(request.getHeader("X-Requested-With"));
    }
    return isAjax;
}


X-Requested-With 首先它是自定义的header,是由类似 jQuery, axios 这样的lib 发ajax请求时加上的。


所以上面的server端check要配合着 browser side 的lib来才行,如果lib没有加,你可以自己考虑加。


那么为什么jQuery要加上这个呢,有一篇文章说的比较清楚。


CSRF Mitigation for AJAX Requests

https://markitzeroday.com/x-requested-with/cors/2017/06/29/csrf-mitigation-for-ajax-requests.html


学习后记录如下:


  • 如果在浏览器用js发跨域请求,虽然浏览器端会报错,但实际server端已经接受了,只是浏览器不处理返回结果而已,就是请求实际已经跨域,这会造成CSRF attack。
  • 很多lib在ajax请求时会加上 X-Requested-With header, 而这个header在跨域请求时是不让传输的。
  • 利用这一点, 每次提交ajax请求时在服务端验证:一定要有X-Requested-With, 没有就不处理,可以防止CSRF,和token是同样的效果,但不用生产、储存和传输 token。
  • 这个对form提交不管用,因为form提交时没法手动加上X-Requested-With header。
  • form 的情况下默认就是可以跨域提交的,所以还是要依靠CSRF token。
  • 所以用X-Requested-With替代CSRF token来保证安全的方案只有在submit动作全部由ajax发起的情况下才能使用。


总结下来就是利用了自定义header没法跨域传输来提供了一种轻量级的CSRF解决方案。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: