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 situaci | Doporučené postupy | důvod |
|---|---|---|
| Na rozhraní musí být zobrazen původní název souboru uživatele | Zobrazovaný název vyhrazený pouze pro zobrazení | Zobrazovaný název oddělený od cesty disku, aby se zabránilo křížení cesty |
| Je třeba uložit nahrané soubory | Server vygeneruje interní ID a spojí cestu úložiště | Vyhněte se přepisování duplicitními názvy a nenechte se ovlivnit vstupem uživatele |
| Přípona souboru se musí podílet na úložišti | Vezměte příponu ze seznamu povolených serverů | Nekopírujte rozšíření poskytnutá uživateli |
| Je třeba určit skutečný typ souboru | Proveďte detekci a analýzu obsahu | Rozšíření 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 jev | Na které vrstvě by se to mělo řešit? | Nedostatky |
|---|---|---|
| Zahrnuje oddělovače cest | Nepoužívá se jako cesta pro ukládání | Pouhé odstranění diagonální čáry nestačí |
| Přípona souboru je PDF | Detekce a analýza obsahu | Prodloužení lze kovat |
| Zobrazovaný název obsahující HTML | Únik výstupu rozhraní | Nemůžete to vyřešit změnou názvu disku |
| Stejný zobrazovací název | Interní izolace ID | Neměl by přepsat předchozí nahrávání |
📊 Srovnání jádra
| Metoda | Co lze vyřešit? | Nedostatky |
|---|---|---|
| Použijte přímo uživatelské jméno souboru | Implementace je nejjednodušší | Může dojít k procházení cesty a přepsání duplicitních jmen |
| Oddělovač cest se odstraní pouze | Zpracoval část vstupu | Pouhé odstranění diagonální čáry nestačí |
| Určete typ na základě rozšíření | Předběžné rozlišení dokumentů | Rozšíření lze zfalšovat a musí být koordinována s detekcí obsahu |
| Server generuje interní ID | Izolujte duplicitní soubory s cestami řízenými systémem | Stále 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


