Ten sam tekst może być bezpieczny w HTML i niebezpieczny w JavaScripcie
Obrona przed XSS nie sprowadza się do jednej funkcji „sanitize()”. Przeglądarka interpretuje HTML, atrybuty, JavaScript, CSS i adresy URL według różnych gramatyk. Dlatego tekst bezpiecznie zakodowany do wyświetlenia między znacznikami HTML nie musi być bezpieczny po wstawieniu do kodu JavaScript albo wartości URL. OWASP podkreśla, że istnieje wiele metod output encoding właśnie dlatego, że przeglądarka używa różnych parserów w różnych kontekstach. To zaskakujący problem kompozycji języków: ta sama strona internetowa jest jednocześnie dokumentem HTML, programem JavaScript, arkuszem CSS i zbiorem URL-i, a granica między danymi i kodem musi być zachowana osobno w każdym z tych miejsc.
Przeglądarka nie ma jednego parsera
Dokument HTML może zawierać tekst, atrybuty, fragmenty CSS, skrypty i adresy URL. Każdy z tych języków ma inne znaki sterujące oraz reguły cytowania. Ciąg, który w zwykłym tekście HTML zostanie wyświetlony jako niewinne znaki, po umieszczeniu wewnątrz `script` może zostać zinterpretowany według składni JavaScript. Dlatego OWASP dzieli reguły kodowania na konteksty i ostrzega przed traktowaniem jednego encodera jako uniwersalnego rozwiązania.
Output encoding zachowuje rolę „to są dane”
Jeżeli aplikacja chce wyświetlić treść użytkownika, jej zadaniem jest przekształcić znaki tak, aby parser konkretnego kontekstu potraktował je jako dane, a nie składnię. W HTML znak `<` można przedstawić encją; w JavaScripcie obowiązują inne reguły; w URL kolejne. To nie usuwa znaczenia treści dla użytkownika — zmienia sposób reprezentacji w dokumencie tak, aby nie otwierała nowych struktur języka.
Kontekst może zmienić się po drodze
Dane mogą najpierw zostać umieszczone w adresie URL, potem w atrybucie HTML, a następnie odczytane przez JavaScript. W takim przepływie łatwo zastosować prawidłowe kodowanie dla jednego etapu i błędne dla następnego. OWASP podaje przykład URL umieszczonego w `href`, który wymaga najpierw kodowania wartości URL, a potem kodowania atrybutu HTML. Takie zagnieżdżenia pokazują, dlaczego bezpieczeństwo webowe wymaga rozumienia miejsca docelowego, nie tylko pochodzenia danych.
Niektóre miejsca są z natury trudne do bezpiecznego wypełniania danymi
Wstawianie nieufnych danych bezpośrednio do kodu skryptu, nazw znaczników, handlerów zdarzeń czy niektórych fragmentów CSS tworzy konteksty, w których samo kodowanie może być niewystarczające lub bardzo kruche. Dlatego bezpieczne API i frameworki starają się kierować programistę do „safe sinks” — np. ustawiania tekstu przez `textContent` zamiast konstruowania HTML jako ciągu. Lepsza architektura może całkowicie ominąć problem, zamiast próbować poprawnie uciekać ze wszystkich możliwych znaków.
XSS jest odmianą tego samego głębokiego błędu co SQL injection
W SQL injection dane stają się składnią SQL. W XSS nieufne dane stają się składnią interpretowaną przez przeglądarkę. Różnica polega na liczbie języków i kontekstów działających naraz. Dlatego „filtrowanie znaków” jest szczególnie słabą mentalną metaforą. Prawidłowa metafora brzmi: zachowaj typ i kontekst danych aż do miejsca renderowania, a następnie użyj mechanizmu, który wie, jak reprezentować dane dla konkretnego parsera.
Bezpieczniejsze API często wygrywa z ręcznym kodowaniem znaków
OWASP zaleca wybieranie operacji DOM, które z definicji traktują przekazany tekst jako dane — na przykład ustawianie treści tekstowej — zamiast budowania fragmentów HTML z niesprawdzonych ciągów. Jest to ta sama filozofia co prepared statements w SQL: zamiast próbować rozpoznać wszystkie niebezpieczne sekwencje, użyj interfejsu, który strukturalnie nie interpretuje wejścia jako kodu. Gdy dynamiczna wartość naprawdę musi trafić do HTML, JavaScriptu, CSS lub URL-a, trzeba zastosować kodowanie właściwe dla dokładnego kontekstu docelowego, czasem nawet w odpowiedniej kolejności dla kontekstów zagnieżdżonych. XSS jest dlatego trudniejsze od reguły „zamień znak `<`”: o bezpieczeństwie decyduje parser, który zobaczy tekst jako następny, a nie sam zestaw znaków w wejściu.
Content Security Policy jest dodatkową barierą, a nie zamiennikiem poprawnego kodowania
Przeglądarka może egzekwować politykę określającą, skąd wolno ładować lub wykonywać skrypty, co utrudnia wykorzystanie części błędów XSS. OWASP traktuje CSP jako warstwę uzupełniającą, ponieważ źle skonstruowana polityka może mieć luki, a niektóre aplikacje muszą dopuszczać zachowania komplikujące reguły. Podstawowa obrona nadal polega na zachowaniu granicy kod–dane przez bezpieczne API, właściwe kodowanie wyjścia i unikanie niebezpiecznych kontekstów. To dobra ilustracja dwóch odmiennych strategii: eliminowanie przyczyny błędu sprawia, że dane nie stają się kodem, a sandbox/polityka ogranicza możliwości kodu, gdy coś mimo to się przedostanie. Najbardziej odporne systemy łączą oba podejścia zamiast zakładać, że jedna warstwa nigdy nie zawiedzie.