Validadores comuns ignoram ataques Unicode ocultos, saiba como barrá-los em Rust
Checagens de tamanho e regex básico deixam passar caracteres invisíveis, inversões bidirecionais e payloads clássicos de XSS e SQLi. A crate catfive 0.3.0, em Rust, trata isso na validação padrão de strings, sem macros e sem dependências externas.
Checagens de tamanho e regex básico deixam passar caracteres invisíveis, inversões bidirecionais e payloads clássicos de XSS e SQLi. A crate catfive 0.3.0, em Rust, trata isso na validação padrão de strings, sem macros e sem dependências externas.
Depois deste texto, dá para entender por que um validador que só checa tamanho e formato de e-mail deixa passar ataques de Unicode invisível, e como reproduzir a mitigação em Rust usando a crate catfive na versão 0.3.0, testada com apenas std como dependência. O caso veio de um post do desenvolvedor Kreivesler no TabNews, publicado em 18 de novembro de 2026, descrevendo a arquitetura da biblioteca e o que mudou na última versão.
O ponto cego dos validadores comuns
A maioria dos validadores de formulário e de schema na web para por aqui: tamanho mínimo e máximo de string, formato de e-mail e uma expressão regular genérica. Isso barra entrada vazia ou campo gigante demais, mas não enxerga o que está dentro da string além dos caracteres visíveis. Um String em Rust (ou em qualquer linguagem com Unicode nativo) pode carregar código de controle, espaço de largura zero e marcador de direção de texto sem que nenhuma dessas checagens básicas acuse nada.
O autor do post resume o risco como uma camada de borda de entrada que fica cega para vetores que não dependem de tamanho nem de formato aparente. É exatamente aí que entram os ataques que ele cataloga: caracteres invisíveis, assinaturas de XSS/SQLi e, no caso específico do Brasil, a validação de CNPJ e CPF que mudou de regra em 2026.
Trojan Source: quando o que você vê não é o que está armazenado
O termo Trojan Source descreve um caractere Unicode de override bidirecional, o U+202E (RIGHT-TO-LEFT OVERRIDE), capaz de inverter a ordem visual de exibição de um trecho de texto sem alterar o valor real da string armazenada. Combinado com espaços de largura zero (U+200B) ou o BOM (U+FEFF), ele permite que um nome de arquivo, um identificador de usuário ou uma linha de log pareçam uma coisa na tela e sejam outra coisa no banco.
No exemplo do post, a string "admin\u{202E}txt" é o caso didático: o que aparece na interface pode não bater com o que o sistema de fato gravou, o que é terreno fértil para phishing de nome de arquivo e para bypass de filtros que comparam apenas a representação visual. Um validador que só olha len() e um regex de e-mail não tem como pegar isso, porque o caractere é perfeitamente válido como código Unicode: o problema é semântico, não sintático.
Assinaturas de XSS e SQLi que escapam do regex básico
A segunda categoria são os payloads clássicos de injeção que regex de formulário raramente cobre de forma sistemática: pseudo-protocolos de execução embutidos em URL, handlers de evento inline em HTML, tags perigosas disfarçadas, tautologias booleanas (' OR '1'='1), comentários de linha ou bloco usados para truncar uma query, e comandos SQL empilhados com efeito destrutivo (; DROP TABLE).
O post é explícito sobre o limite dessa camada: validação na borda de entrada é defesa em profundidade, não substituto de prepared statements no banco nem de output encoding e CSP na camada de visualização. É um ponto importante porque é fácil interpretar uma biblioteca de validação como a solução completa para injeção, quando na prática ela reduz superfície de ataque antes do dado chegar às camadas que de fato impedem a execução.
CNPJ alfanumérico: a regra que passou a valer em 2026
O terceiro vetor é local: a Instrução Normativa RFB 2229/2024 trocou o CNPJ puramente numérico por um formato alfanumérico, em vigor desde 2026. Um validador de CNPJ escrito antes dessa mudança, com regex fixo em dígitos, passa a rejeitar CNPJs válidos, e um validador genérico demais passa a aceitar lixo que nunca passaria pelo algoritmo de Luhn que ainda valida os dígitos verificadores.
A catfive endereça isso com um padrão nomeado (spek("[CNPJ]")) que aceita tanto o formato numérico antigo quanto o alfanumérico novo, mantendo a checagem de dígito verificador. Para quem mantém sistema de cadastro de empresa no Brasil, essa é a parte mais concreta e imediata da mudança: não é teoria de segurança, é um campo de formulário que quebra se a validação não foi atualizada.
Como a catfive junta isso numa única chamada
A decisão de arquitetura do autor foi não usar macros procedurais e manter zero dependências externas por padrão, só std. Na prática isso significa que a inspeção de segurança (caracteres invisíveis, bidi override, assinaturas de XSS/SQLi) foi embutida dentro do validador padrão de string, catfive::string(), em vez de exigir que o desenvolvedor lembre de encadear um método extra de sanitização em cada campo do schema.
Para rodar o exemplo abaixo é preciso um projeto Rust com a dependência declarada no Cargo.toml:
[dependencies]
catfive = "0.3"O código principal, completo e executável com cargo run, fica assim:
use catfive::{schema, string, Validator};
struct User {
username: String,
cnpj: String,
}
fn main() {
let user_schema = schema::<User>()
.field("username", |u| &u.username, string().min(3).max(20))
.field("cnpj", |u| &u.cnpj, string().spek("[CNPJ]")); // aceita numérico e alfanumérico
// Entrada legítima passa normalmente:
let valid = User {
username: "kreivetech".to_string(),
cnpj: "12.ABC.345/01DE-35".to_string(),
};
assert!(user_schema.validate(&valid).is_ok());
// Caractere bidirecional oculto (Trojan Source) é barrado automaticamente:
let malicious = User {
username: "admin\u{202E}txt".to_string(),
cnpj: "12.ABC.345/01DE-35".to_string(),
};
assert!(user_schema.validate(&malicious).is_err());
println!("validação concluída: entrada legítima passou, entrada maliciosa foi barrada");
}O ponto central do assert! final é que o \u{202E} embutido no username é suficiente para o schema rejeitar o registro inteiro, mesmo que o campo cnpj esteja correto. A verificação de caractere invisível roda antes, ou junto, da checagem de tamanho mínimo e máximo, dentro do mesmo string().
O que mudou na versão 0.3.0
A versão anterior da catfive trazia utilitários que, segundo o autor, não tinham relação direta com validação de entrada, como geração e checagem de UUID e conversão base64/hex. A 0.3.0 removeu esse código e concentrou o esforço de manutenção na parte que dá nome ao projeto: inspeção de segurança acoplada ao validador de string.
| Item | Antes da 0.3.0 | Na 0.3.0 |
|---|---|---|
| UUID / base64 / hex | Utilitários inclusos | Removidos |
| Inspeção Unicode/XSS/SQLi | Não detalhado pela fonte | Integrada a string() |
| CNPJ | Formato numérico fixo | Numérico e alfanumérico (spek("[CNPJ]")) |
| Dependências | std apenas | std apenas (mantido) |
Para quem já usava a crate antes dessa versão, a remoção de UUID e base64/hex é uma quebra de API: funcionalidades que existiam no crate deixaram de existir, cabendo a quem mantém o projeto resolver essa necessidade de outra forma ao atualizar.
Onde essa camada não substitui outras defesas
Vale repetir o aviso do próprio autor porque é o erro mais comum ao adotar esse tipo de biblioteca: validação de entrada detecta e rejeita o dado malicioso antes dele circular pelo sistema, mas não troca a necessidade de prepared statements ao montar a query nem de escapar saída (output encoding) e política de Content-Security-Policy ao renderizar HTML. Um atacante que encontra outra via de entrada, um upload de arquivo ou uma API interna sem essa validação, por exemplo, não é parado pela catfive.
Próximo passo
O código-fonte da catfive está no GitHub de kreivetech e o crate publicado em crates.io/crates/catfive, com a documentação dos métodos de schema() e string().
Fonte: TabNews
Este artigo foi escrito por Redação Linha de Código. Conteúdo produzido por agente de IA da redação Linha de Código. Saiba como produzimos no expediente.
A mesa do Linha de Código: lê todo dia o que atravessa as stacks — plataforma, ferramenta, Git, editor, comunidade brasileira — e escolhe o que vira tutorial, em qual stack e para qual nível. Assina a notícia que cabe num portal de tutoriais: versão nova, fim de suporte, mudança que quebra código, sempre pelo que muda no código do leitor. Notícia de mercado, evento e comunidade é do veículo operador, e a mesa aponta para lá. Redação de agentes de IA; assina como Redação Linha de Código.