先週、社内の検証環境で、申し込みフォームのサーバー側の入力チェックを書いていました。フロントエンドと同じ正規表現をサーバーでも使えば、チェックの食い違いが起きない。そう考えて、画面側で使う予定だった正規表現をそのまま持っていこうとしたところで、手が止まりました。
この1行、サーバーで動かしても大丈夫なのか。
正規表現が特定の入力で終わらなくなる問題(ReDoS)は、知識としては知っていました。ただ、フォームでよく見かける書き方が、実際に何文字でどれくらい止まるのかは測ったことがありません。しかも、同じ正規表現でも動かす言語によって結果が違うはずです。運用を考えると、「危ないらしい」ではなく、どの形がどの言語で何ミリ秒かかるのかを数字で持っておくことが重要だと考えています。そこで、よく見かける3つの形を5つの言語で測ってみました。
測った3つの形
1つ目は、フリガナの欄です。姓と名の間に全角か半角の空白を1つ許したいので、「カタカナの並びと、省略できる空白」を繰り返す形にしています。2つ目は、メールアドレスの欄でよく出回っている形で、最後のトップレベルドメインを「2〜4文字の英数字の繰り返し」で受けています。3つ目は、入力の末尾の空白を消すときの \s+$ です。
どれも、一致する入力(「ヤマダ タロウ」や「info@xecin.jp」)なら一瞬で終わります。時間がかかるのは、最後の1文字で一致しなくなる入力です。そこで、カタカナの「ア」をN個並べて最後に「!」を付ける、というように、1文字ずつ長くしながら照合1回の時間を測りました。
// フリガナ欄: 姓と名の間に全角・半角の空白を1つ許す(よく見かける書き方)
const furigana = /^([ァ-ヶー]+[ ]?)+$/u;
furigana.test("ヤマダ タロウ"); // 1回目は計測に入れない(2回目以降と速さが違うため)
for (const n of [20, 24, 26, 28, 30]) {
const input = "ア".repeat(n) + "!"; // 最後の1文字で必ず不一致にする
const t0 = performance.now();
const ok = furigana.test(input);
const ms = performance.now() - t0;
console.log(`ア x ${n}: ${ok} ${ms.toFixed(1)}ms`);
}
// 実行結果(Node.js 22.14.0):
// ア x 20: false 3.0ms
// ア x 24: false 52.2ms
// ア x 26: false 196.6ms
// ア x 28: false 781.6ms
// ア x 30: false 3827.0ms
「ア」が2個増えるごとに、時間がおよそ4倍になっています。1文字で約2倍です。
理由は、繰り返しの中に繰り返しがあることです。「アアアア」を「カタカナの並び」に分ける方法は、「アアアア」1つ、「アア」と「アア」、「ア」が4つ……と、空白が省略できるせいで何通りも作れます。正規表現のエンジンは、最後の「!」で失敗するたびに、まだ試していない分け方へ戻って順番に試し直します。分け方の数は1文字増えるごとに倍になるので、時間も倍になるわけです。
同じ30個でも、実行するたびに3.8〜4.9秒の幅がありました。以下の表は、同じ正規表現を短い入力から順に使い回して測った値です。作りたての正規表現の1回目は遅く、メールの形の44個で比べると、使い回したときの46.1ミリ秒に対して995ミリ秒かかりました。測るときは、1回目を捨てるか、条件をそろえる必要があります。
5つの言語で測った
同じ3つの形と入力を、Node.js・Python・Java・Ruby・Go で照合しました。Ruby と Go は手元のコンテナで動かしています。照合1回が2秒を超えたら、その形はそれ以上長い入力を測らずに打ち切りました。
| 言語(版) | フリガナ ア26個 | フリガナ ア30個 | メール a48個 | メール a56個 | 末尾の空白 1,000個 | 末尾の空白 64,000個 |
|---|---|---|---|---|---|---|
| Node.js 22.14.0 | 298.8 | 4,949.9 | 215.0 | 6,897.4 | 0.6 | 2,215.2 |
| Python 3.13.5 | 2,863.8 | 打ち切り | 2,087.1 | 打ち切り | 2.9 | 打ち切り(32,000個で2,613.8) |
| Java 17.0.13 | 0.0 | 0.0 | 0.1 | 0.1 | 4.3 | 4,851.6 |
| Ruby 3.4.9 | 0.0 | 0.0 | 2,582.1 | 打ち切り | 0.0 | 51.4 |
| Go 1.25.12 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 1.2 |
単位はミリ秒です。フリガナは「アをN個+!」、メールは「a@a. の後ろに a をN個+!」、末尾の空白は「a+空白N個+a」を入力にしました。
正直なところ、言語でここまで差が出るとは思っていませんでした。Node.js と Python は、フリガナもメールも1文字ごとに時間が膨らみます。Python は同じ26個で Node.js の約10倍かかりました。Go は5つの形すべてが1.2ミリ秒以下で、そもそも試し直しをしない作りのエンジンです。
意外だったのは Java と Ruby です。Java はフリガナもメールも0.1ミリ秒以下で、教科書どおりの ^(a+)+$ に「a」30個と「!」を入れても0.4ミリ秒でした。ところが末尾の空白では、64,000個で4.9秒と、Node.js(2.2秒)の倍以上かかりました。Ruby はフリガナと末尾の空白が速い一方で、メールの形だけは48個で2.6秒かかりました。Ruby には、その正規表現が入力の長さに比例する時間で照合できるかを返す Regexp.linear_time? があります。5つの形で確かめると、false になったのはメールの形だけでした。違いは「2〜4文字」のような回数指定の繰り返しを含むかどうかなので、ここが効いていると考えていますが、Ruby の実装までは追えていません。Java が速い理由も同じく未確認です。
ここから言えるのは、「フロントとサーバーで同じ正規表現を使い回す」こと自体が、片方だけ止まる状況を作りうるということです。画面は JavaScript、サーバーは Go、という構成なら、サーバーは無事でも利用者のブラウザが固まります。逆に、Java では問題が出なかった正規表現を Node.js に移すと止まる、ということも起こります。
最初に試した「1行で直す」は効かなかった
実は最初に試したのは、正規表現を直すことではありませんでした。V8(Node.js の JavaScript エンジン)には、試し直しが一定回数を超えたら、試し直しをしない別のエンジンに切り替えるオプションがあります。起動時のフラグ1つで済むなら、と思って付けてみたのですが、表の値はほとんど変わりませんでした。
$ node --enable-experimental-regexp-engine-on-excessive-backtracks check.mjs
# 照合1回の時間(出力を整形)
u付き uなし
メール a44個 977.6ms 2.3ms
フリガナ ア22個 205.5ms 1.5ms
(a+)+ a22個 173.7ms 1.4ms
# 同じスクリプトをフラグなしで実行した場合
メール a44個 995.0ms 979.2ms
フリガナ ア22個 198.4ms 198.7ms
(a+)+ a22個 177.9ms 166.9ms
違いは u フラグでした。私の書いた正規表現は、全角文字を扱うので最初から u を付けています。u を外すと、3つとも2.3ミリ秒以下まで落ちました。u 付きの正規表現は切り替えの対象外になっているようです。この条件には、測るまで気づきませんでした。理由までは確かめていませんし、名前に experimental と付いたフラグを本番の起動オプションに入れる判断もしていません。今思えば、正規表現そのものを直さずに済ませようとしたのが近道のつもりの遠回りでした。
文字数の上限が効く形と、効かない形
次に考えたのは、入力の長さに上限を付けることです。これは半分だけ正解でした。
末尾の空白の形は、時間が入力の長さの2乗で伸びます。1,000個なら5つの言語すべてで5ミリ秒未満でした。フォームの1項目なら1,000文字も受け付けないので、上限を付けるだけで実害はほぼ消えます。
一方、フリガナとメールは1文字ごとに倍になる形です。メールの56個は、入力全体でも61文字しかありません。メール欄の上限には254文字がよく使われますが、それより短い61文字で、Node.js は6.9秒かかっています。指数で伸びる形には、現実的な上限の範囲で問題が起きるので、上限は効かないと考えるべきです。
サーバーに1件来たら何が起きるか
照合が遅いだけなら、送った本人が待たされるだけです。問題は、Node.js のサーバーが1つのスレッドで要求をさばいていることです。フリガナを確かめるだけの小さな HTTP サーバーを立て、0.1秒おきのヘルスチェック30件の途中に、「ア」28個と「!」の要求を1件だけ混ぜてみました。
# ア28個と ! の要求を0.5秒後に1件、ヘルスチェックを0.1秒おきに30件
check 送信 509ms 応答まで 779ms 400(照合 775.0ms)
health 送信 508ms 応答まで 781ms
health 送信 600ms 応答まで 689ms
health 送信 709ms 応答まで 581ms
health 送信 803ms 応答まで 488ms
health 送信 912ms 応答まで 379ms
health 送信 1006ms 応答まで 285ms
health 送信 1114ms 応答まで 177ms
health 送信 1208ms 応答まで 84ms
# health 30件: 100msを超えたのは7件 / 最大 781ms / 中央値 3ms
29文字の要求1件で、その間に来たヘルスチェックはすべて照合が終わるまで待たされました。普段は3ミリ秒で返る要求が、最大781ミリ秒です。30個なら4秒前後なので、4秒おきに1件送られるだけで、サーバーはほぼずっと止まった状態になります。
では、要求ごとに別々に動く Lambda に載せればよいのかというと、運用を考えると話は別です。他の要求を待たせることはなくなりますが、照合の時間はそのまま課金されます。メモリ128MB の Lambda で、4.95秒かかる照合を1日1万回送られた場合を、東京リージョンの公開価格(1GB秒あたり 0.0000166667ドル、100万リクエストあたり 0.20ドル、1ドル150円、無料枠なし)で計算すると、月に約473円です。書き直した正規表現なら照合は1ミリ秒(課金の最小単位)に収まり、同じ回数で月に約9円です。金額としては小さいのですが、473円のほうは、その間ずっと Lambda の同時実行の枠を1つずつ埋めています。お金より先に、枠と処理時間を食われるのが痛いところだと考えています。
書き直した形
結局、いちばん効いたのは正規表現の書き直しでした。ポイントは、繰り返しの単位を「区切りの記号+文字の並び」にして、分け方を1通りにすることです。フリガナなら「カタカナの並び」のあとに「空白+カタカナの並び」を0回以上、メールなら「英数字の並び」のあとに「ドット+英数字の並び」を1回以上、という形です。
// 書き直し: 繰り返しの単位を「区切り + 文字の並び」にして、分け方を1通りにする
const furigana = /^[ァ-ヶー]+([ ][ァ-ヶー]+)*$/u;
const email = /^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+(\.[a-zA-Z0-9-]+)+$/u;
const time = (re, s) => {
const t0 = performance.now();
const ok = re.test(s);
return `${ok} ${(performance.now() - t0).toFixed(1)}ms`;
};
console.log("ヤマダ タロウ", time(furigana, "ヤマダ タロウ"));
console.log("ア x 100000 + !", time(furigana, "ア".repeat(100000) + "!"));
console.log("info@xecin.jp", time(email, "info@xecin.jp"));
console.log("a@a. + a x 100000 + !", time(email, "a@a." + "a".repeat(100000) + "!"));
// 末尾の空白は正規表現をやめる
const tail = "a" + " ".repeat(64000) + "a ";
const t0 = performance.now();
const trimmed = tail.trimEnd();
console.log("trimEnd 64000", trimmed.length, `${(performance.now() - t0).toFixed(1)}ms`);
// 実行結果(Node.js 22.14.0):
// ヤマダ タロウ true 0.0ms
// ア x 100000 + ! false 0.9ms
// info@xecin.jp true 0.0ms
// a@a. + a x 100000 + ! false 0.3ms
// trimEnd 64000 64002 0.0ms
5つの言語で同じ書き直しを測ると、10万文字でもいちばん遅い Ruby のメールで38.5ミリ秒でした。
ただ、このメールの書き直しには改善の余地があります。元の形にあった「最後は英数字2〜4文字」という確認を落としているので、「a@a.1」のような入力も通ります。トップレベルドメインの文字数を確かめたいなら、正規表現に戻すのではなく、@ で分けたあとに最後の区切りだけを別に確かめるほうが安全だと考えていますが、まだそこまでは書けていません。メールアドレスをどこまで厳密に確かめるかは、好みが分かれるところでもあります。
Python 3.11 以降なら、独占的な量指定子(++)で「一度取った文字は返さない」と指定する方法もあります。フリガナの形を ^(?:[ァ-ヶー]++[ ]?)++$ にすると、「ア」40個でも0.0ミリ秒でした。ただ、Node.js の正規表現にはこの書き方が無いので、フロントと同じ1行を使い回す目的には使えません。
結局どれを選ぶか
測った結果を、対策ごとに整理し直しました。
| 対策 | 1文字ごとに倍になる形(フリガナ・メール) | 2乗で伸びる形(末尾の空白) | 使いどころ |
|---|---|---|---|
| 文字数の上限 | 効かない(メールは61文字で6.9秒) | 効く(1,000個なら5言語とも5ミリ秒未満) | どの項目にも付ける。ただしこれだけで安心しない |
| V8 の切り替えフラグ | u付きでは効かない(uなしは2.3ミリ秒以下) | u付きで64,000個が1.7秒(フラグなしは2.2秒) | 実験的なので本番には入れていない |
| 独占的な量指定子 | 効く(Python でア40個0.0ミリ秒) | 測っていない | Python 3.11 以降・Java・Ruby の中だけで使う正規表現 |
| 書き直し | 効く(10万文字で5言語とも38.5ミリ秒以下) | 正規表現をやめて trimEnd に(64,000個で0.0ミリ秒) | フロントとサーバーで使い回す正規表現は、まずこれ |
| 試し直しをしないエンジン(Go) | 効く(0.0ミリ秒) | 効く(64,000個で1.2ミリ秒) | サーバーは守れるが、画面側は守れない |
あわせて、レビューで正規表現を見るときの確認を、次の4つに決めました。
- 繰り返しの中に繰り返しがあり、内側と外側が同じ文字を取り合えるか(
([ァ-ヶー]+[ ]?)+の空白のように、区切りが省略できると取り合いになる) - 「一致しない入力」を1文字ずつ長くして、時間が倍々で伸びないか(一致する入力をいくら試しても見つからない)
- フロントとサーバーで使い回すなら、両方の言語で2を測る
- 1回目を捨てて測る(作りたての1回目は20倍ほど遅いことがある)
振り返って
今回いちばん効いた教訓は、「同じ正規表現でも、言語が変われば別物」ということでした。Java で問題が出なかったからといって Node.js で安全とは限りませんし、Ruby で速かった形の隣で、メールの形だけが止まることもあります。
今後は、フォームで使う正規表現を1か所にまとめ、上の2の確認(一致しない入力を伸ばして時間を測る)を CI で自動で回せるようにしていきたいと考えています。まずは手元の検証環境で、残りの入力チェックにも同じ測り方を当てていくところからです。