Název souboru nahraný zákazníkem nelze přímo použít jako cestu úložiště: aby se zabránilo procházení cesty a pokrytí duplicitními názvy

Nahraný soubor se nazývá `../../report.pdf`, což neznamená, že jej server má uložit pod tímto názvem. Název souboru pochází od uživatele a patří ke vstupním datům; cesta k disku patří k hranici systémových oprávnění. Záměna těchto dvou může snadno vést k problémům, jako je procházení cesty, pokrytí duplicitními názvy a různé chování mezi Windows a Linuxem.

To, že se nahraný soubor jmenuje ../../report.pdf, neznamená, že by jej měl server uložit pod tímto názvem. S tímto problémem se setkají vývojáři, kteří píší funkce nahrávání na straně serveru, stejně jako týmy, které se potřebují zabývat uživatelskými soubory a starat se o procházení cest a pokrytí duplicitních jmen. Po přečtení tohoto článku budete schopni rozlišovat mezi zobrazovanými názvy a názvy úložišť, vědět, jaké kontroly by se měly provádět na každé vrstvě, a zkontrolovat svou vlastní implementaci podle položek přijetí.

Název souboru pochází od uživatele a patří ke vstupním datům; cesta k disku patří k hranici systémových oprávnění. Záměna těchto dvou může snadno vést k problémům, jako je procházení cesty, pokrytí duplicitními názvy a různé chování mezi Windows a Linuxem.

Tento článek používá syntetické vzorky k demonstraci metody zpracování. Kód byl ukázkově zkontrolován v izolovaném prostředí a není zárukou všech skutečných souborů nebo výkonu produktu. Před zpracováním důležitých dokumentů si prosím uschovejte originály a zkontrolujte je podle hranic a přejímacích položek v textu.

Lze název nahraného souboru přímo použít jako cestu úložiště? Závěr jednou větou

Nelze jej použít přímo. Zobrazovaný název se používá pro zobrazení rozhraní a cestu úložiště generuje server na základě interního ID.

vaší situaciDoporučené postupydůvod
Na rozhraní musí být zobrazen původní název souboru uživateleZobrazovaný název vyhrazený pouze pro zobrazeníZobrazovaný název oddělený od cesty disku, aby se zabránilo křížení cesty
Je třeba uložit nahrané souboryServer vygeneruje interní ID a spojí cestu úložištěVyhněte se přepisování duplicitními názvy a nenechte se ovlivnit vstupem uživatele
Přípona souboru se musí podílet na úložištiVezměte příponu ze seznamu povolených serverůNekopírujte rozšíření poskytnutá uživateli
Je třeba určit skutečný typ souboruProveďte detekci a analýzu obsahuRozšíření lze zfalšovat

Zobrazovaný název a název úložiště jsou odděleny

Původní název je zachován pro zobrazení rozhraní, ale interní identifikace je generována serverem. Přípona úložiště by také měla pocházet ze seznamu povolených na straně serveru, nikoli kopírovat příponu zadanou uživatelem.

Následující příklad pouze vytváří cestu a nevytváří adresář nebo soubor.

Konstruktor minimální cesty

from pathlib import Path
import re

def storage_path(root, internal_id, extension):
    if not re.fullmatch(r"[a-f0-9]{32}", internal_id):
        raise ValueError("invalid internal id")
    if extension not in {".pdf", ".docx", ".udoc"}:
        raise ValueError("unsupported extension")
    base = Path(root).resolve()
    candidate = (base / (internal_id + extension)).resolve()
    if candidate.parent != base:
        raise ValueError("outside storage root")
    return candidate

root = Path.cwd() / "synthetic-uploads"
identifier = "a" * 32
p = storage_path(root, identifier, ".pdf")
assert p.parent == root.resolve()
assert p.name == identifier + ".pdf"
for bad in ["../../report", "A" * 32, "a" * 31, "a" * 32 + "/x"]:
    try:
        storage_path(root, bad, ".pdf")
    except ValueError:
        pass
    else:
        raise AssertionError(bad)

Tento příklad předpokládá, že interní ID bylo vygenerováno serverem. Nejedná se o zabezpečenou implementaci souborů pro zápis pro prostředí s libovolným útokem na disk:

  • Mezi kontrolou a skutečným otevřením může stále dojít k závodu.
  • Oprávnění nadřazeného adresáře a zásady symbolických odkazů musí být řízeny samostatně.
  • Jedinečné ID také neznamená, že zásadu "nepřepisovat" lze ignorovat.

Sanitace názvu souboru není ověřování souboru

Čištění názvu souboru může vyřešit pouze část problému a různé jevy je třeba řešit na různých úrovních:

Vstupní jevNa které vrstvě by se to mělo řešit?Nedostatky
Zahrnuje oddělovače cestNepoužívá se jako cesta pro ukládáníPouhé odstranění diagonální čáry nestačí
Přípona souboru je PDFDetekce a analýza obsahuProdloužení lze kovat
Zobrazovaný název obsahující HTMLÚnik výstupu rozhraníNemůžete to vyřešit změnou názvu disku
Stejný zobrazovací názevInterní izolace IDNeměl by přepsat předchozí nahrávání

📊 Srovnání jádra

MetodaCo lze vyřešit?Nedostatky
Použijte přímo uživatelské jméno souboruImplementace je nejjednoduššíMůže dojít k procházení cesty a přepsání duplicitních jmen
Oddělovač cest se odstraní pouzeZpracoval část vstupuPouhé odstranění diagonální čáry nestačí
Určete typ na základě rozšířeníPředběžné rozlišení dokumentůRozšíření lze zfalšovat a musí být koordinována s detekcí obsahu
Server generuje interní IDIzolujte duplicitní soubory s cestami řízenými systémemStále to vyžaduje spolupráci s politikou "No Override" a řízením oprávnění adresáře

Úložiště objektů má stejné hranice

R2 nebo jiné objekty ukládají veškerou sémantiku bez tradičního procházení adresářů, ale objektové klíče stále ovlivňují izolaci, přepsání a zpřístupnění URL.

  • Nehlásejte přímo řetězec poskytnutý nájemcem do sdílené předpony.
  • Downloader nemůže odvodit autorizaci pouze na základě jmen klíčů.

Dokumenty by měly mít identitu ještě před tím, než vstoupí do překladu

Při přístupu k workflow OmniDoc (produktový záznam) mohou uživatelé nadále vidět známé názvy souborů, interně pomocí nezávislých ID úloh a ID souborů.

Jasné identity dokumentů přinášejí tyto výhody:

  • Při neúspěchu a opětovném pokusu může přesně odpovídat původnímu úkolu.
  • Stažení překladu a následná korektura zajišťují, že soubor je správně porovnán.
  • Snižuje riziko záměny cizího souboru se stejným názvem jako aktuální výsledek.

🎯 Která metoda ti vyhovuje?

Pokud potřebujete zobrazit název souboru

Původní zobrazované jméno uživatele je zachováno, ale pouze pro rozhraní, nikoli pro cestu po disku.

Pokud potřebujete uložit a nahrát soubory

Server generuje interní ID, přebírá rozšíření z allowlistu a řídí pokrytí a adresářová oprávnění podle skutečných politik.

Pokud používáte objektové úložiště

Nepsejte přímo řetězce tenantů s prefixem 'share' a při stahování dělejte samostatná rozhodnutí o autorizaci.

❓ Často kladené otázky (FAQ)

1. Pokud odstraníte diagonální čáry, stane se název souboru bezpečným?

Nestačí. Odstranění pouze lomek zpracovává pouze část vstupu; konstrukce cesty, přepsání a určení typu souboru je stále nutné řešit zvlášť.

2. Pokud je přípona souboru PDF, lze potvrdit, že je to PDF?

Ne. Rozšíření lze zfalšovat, což vyžaduje detekci a analýzu obsahu.

3. Co mám dělat, pokud zobrazované jméno obsahuje HTML?

Escape během výstupu rozhraní nelze vyřešit změnou názvu souboru na disku.

4. Po použití unikátního ID musím stále vypínat přepisování?

Ano. Unikátní ID neznamená, že můžete ignorovat politiku "No Override".

📝 Shrnutí

Název nahrávacího souboru by měl být zpracováván odděleně od cesty úložiště: zobrazované jméno se používá pro zobrazení a cesta k ukládání je generována serverem na základě interního ID. Cesty, pokrytí, typy a autorizace musí být ověřovány samostatně.

Zkušenost nyní: Nahrajte svůj dokument a začněte s překladem, přičemž zachováte původní formátování

Zdroje: Python pathlib

Aktualizováno 2026-11-15