MSC10-C. 文字の符号化 - UTF8 に関連する問題

UTF-8 は元々 Plan 9 の開発者によって作成されたが [Pike 93]、Plan 9 自身は文字セットの下位16ビットの範囲だけをサポートしている。一般に、"Unicode" システムの多くは、21 ビットの ISO 10646 コード領域全体ではなく、下位16ビットの範囲だけをサポートしている [ISO/IEC 10646:2012]。 セキュリティに関する問題 [Yergeau 98] には以下のように書かれている。 UTF-8 の実装者は、無効な UTF-8 シーケンスの取扱いに関してセキュリティ面への影響を考慮する必要がある。攻撃者が、UTF-8の構文上認められないオクテットの並びを使って UTF-8 パーサを攻撃するというのは大いにあり得る話だ。 UTF-8 符号化形式の入力に対するセキュリティチェックを行うパーサに、巧妙な形式のデータを渡すことにより、特定の無効なオ

[masakielastic2]

U+1000..U+FFFF の範囲が正しくなく、U+1000..U+CFFF、U+D000..U+D7FF、U+E000..U+FFFF で異なる。RFC 3629 のセクション4 や Table 3-7 を参照。http://www.unicode.org/versions/Unicode6.1.0/ch03.pdf