Nama file yang diunggah oleh pelanggan tidak dapat langsung digunakan sebagai jalur penyimpanan: untuk mencegah traversal jalur dan cakupan nama duplikat
File yang diunggah disebut `../../report.pdf`, yang tidak berarti server harus menyimpannya dengan nama ini. Nama file berasal dari pengguna dan milik data masukan; jalur disk termasuk dalam batas izin sistem. Membingungkan keduanya dapat dengan mudah menyebabkan masalah seperti penjelajahan jalur, cakupan nama duplikat, dan perilaku berbeda antara Windows dan Linux.
Hanya karena file yang diunggah diberi nama ../../report.pdf tidak berarti server harus menyimpannya dengan nama ini. Pengembang yang menulis fungsi unggahan sisi server, serta tim yang perlu menangani file pengguna dan khawatir tentang penjelajahan jalur dan cakupan nama duplikat, akan menghadapi masalah ini. Setelah membaca artikel ini, Anda akan dapat membedakan antara nama tampilan dan nama penyimpanan, mengetahui pemeriksaan apa yang harus dilakukan pada setiap lapisan, dan meninjau penerapan Anda sendiri sesuai dengan item penerimaan.
Nama file berasal dari pengguna dan milik data masukan; jalur disk termasuk dalam batas izin sistem. Membingungkan keduanya dapat dengan mudah menyebabkan masalah seperti penjelajahan jalur, cakupan nama duplikat, dan perilaku berbeda antara Windows dan Linux.
Artikel ini menggunakan sampel sintetis untuk mendemonstrasikan metode pemrosesan. Kode telah diperiksa sampelnya di lingkungan yang terisolasi dan bukan merupakan jaminan atas semua file atau kinerja produk yang sebenarnya. Sebelum memproses dokumen penting, harap simpan dokumen asli dan tinjau sesuai dengan batasan dan item penerimaan dalam teks.
Apakah nama file yang diunggah bisa langsung digunakan sebagai jalur penyimpanan? Kesimpulan satu kalimat
Itu tidak dapat digunakan secara langsung. Nama tampilan digunakan untuk tampilan antarmuka, dan jalur penyimpanan dihasilkan oleh server berdasarkan ID internal.
| situasi Anda | Praktik yang direkomendasikan | alasan |
|---|---|---|
| Nama file asli pengguna perlu ditampilkan di antarmuka | Nama tampilan disediakan untuk tampilan saja | Nama tampilan dipisahkan dari jalur disk untuk menghindari persilangan jalur |
| Perlu menyimpan file yang diunggah | Server menghasilkan ID internal dan menyambungkan jalur penyimpanan | Hindari menimpa dengan nama duplikat dan tidak terpengaruh oleh masukan pengguna |
| Ekstensi file perlu berpartisipasi dalam penyimpanan | Ambil akhiran dari daftar yang diizinkan server | Jangan menyalin ekstensi yang diberikan oleh pengguna |
| Perlu menentukan jenis file yang sebenarnya | Lakukan deteksi dan analisis konten | Ekstensi bisa dipalsukan |
Nama tampilan dan nama penyimpanan dipisahkan
Nama asli dipertahankan untuk tampilan antarmuka, namun identifikasi internal dihasilkan oleh server. Akhiran penyimpanan juga harus berasal dari daftar yang diizinkan di sisi server, bukan menyalin ekstensi yang diberikan oleh pengguna.
Contoh berikut hanya membuat jalur dan tidak membuat direktori atau file.
Konstruktor jalur minimum
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)
Contoh ini mengasumsikan bahwa ID internal telah dibuat oleh server. Ini bukan implementasi file tulis yang aman untuk lingkungan serangan disk yang sewenang-wenang:
- Masih mungkin terjadi perlombaan antara pengecekan dan pembukaan sebenarnya.
- Izin direktori induk dan kebijakan tautan simbolik harus dikontrol secara terpisah.
- ID unik juga tidak berarti kebijakan "no override" bisa diabaikan.
Sanitasi nama file bukan otentikasi file
Pembersihan nama file hanya dapat menyelesaikan sebagian masalah, dan fenomena yang berbeda perlu ditangani pada tingkat yang berbeda:
| fenomena masukan | Pada tingkat manakah dokumen tersebut harus diproses? | kekurangan |
|---|---|---|
| Berisi pemisah jalur | Tidak digunakan sebagai jalur penyimpanan | Menghapus garis miring saja tidak cukup |
| ekstensi PDF | Deteksi dan analisis konten | Ekstensi dapat dipalsukan |
| Nama tampilan berisi HTML | Keluaran antarmuka keluar | Ini tidak dapat diselesaikan dengan mengubah nama disk. |
| Nama tampilan yang sama | Isolasi ID internal | Upload sebelumnya tidak boleh ditimpa |
📊 Perbandingan inti
| praktik | Apa yang bisa diselesaikan | kekurangan |
|---|---|---|
| Gunakan nama file pengguna secara langsung | Implementasi paling sederhana | Persimpangan jalur dan cakupan nama duplikat dapat terjadi |
| Hapus saja pemisah jalur | Bagian input yang diproses | Menghapus garis miring saja tidak cukup |
| Tentukan jenis berdasarkan ekstensi | file diferensiasi awal | Ekstensi dapat dipalsukan, dan diperlukan deteksi konten. |
| ID internal yang dihasilkan sisi server | Pisahkan file dengan nama yang sama, jalurnya dikontrol oleh sistem | Masih perlu bekerja sama dengan kebijakan "tidak ada penimpaan" dan kontrol izin direktori |
Penyimpanan objek juga memiliki batasan yang sama
R2 atau penyimpanan objek lainnya tidak memiliki semantik lengkap seperti traversal direktori tradisional, namun kunci objek masih memengaruhi isolasi, penggantian, dan URL yang terekspos.
- Jangan langsung mengeja string yang disediakan penyewa ke dalam awalan bersama.
- Pengunduh tidak dapat menyimpulkan otorisasi hanya berdasarkan nama kunci.
File harus memiliki identitas sebelum memasuki terjemahan
Saat menyambungkan ke alur kerja OmniDoc (portal produk), Anda dapat terus menampilkan nama file yang familier bagi pengguna dan menggunakan ID tugas independen dan ID file secara internal.
Identitas dokumenter yang jelas memberikan manfaat berikut:
- Ketika percobaan ulang gagal, itu dapat secara akurat sesuai dengan tugas aslinya.
- Pengunduhan naskah terjemahan dan peninjauan selanjutnya dapat sesuai dengan file yang benar.
- Mengurangi risiko memperlakukan file orang lain dengan nama yang sama dengan hasil saat ini.
🎯 Metode mana yang cocok untuk Anda?
Jika Anda perlu menampilkan nama file
Nama tampilan asli pengguna dipertahankan, namun hanya digunakan untuk antarmuka, bukan untuk jalur disk.
Jika Anda perlu menyimpan file yang diunggah
ID internal dihasilkan oleh server, mengambil akhiran dari daftar yang diizinkan, dan mengontrol cakupan dan izin direktori sesuai dengan kebijakan sebenarnya.
Jika Anda menggunakan penyimpanan objek
Jangan mengeja string penyewa secara langsung ke dalam awalan bersama, dan membuat penilaian otorisasi terpisah saat mengunduh.
❓ Pertanyaan yang Sering Diajukan (FAQ)
1. Jika garis miring dihilangkan, apakah nama file akan aman?
tidak cukup. Hanya menghapus garis miring hanya dapat memproses sebagian dari input, dan konstruksi jalur, penulisan ulang, dan penentuan jenis file masih perlu diproses secara terpisah.
2. Hanya karena ekstensinya PDF, apakah berarti PDF?
tidak bisa. Ekstensi dapat dipalsukan dan memerlukan deteksi dan analisis konten.
3. Apa yang harus saya lakukan jika nama tampilan berisi HTML?
Escape selama keluaran antarmuka tidak dapat diselesaikan dengan mengubah nama file pada disk.
4. Setelah menggunakan ID unik, apakah saya masih perlu menonaktifkan penimpaan?
membutuhkan. ID unik tidak berarti bahwa kebijakan "tidak ada penggantian" dapat diabaikan.
📝 Ringkasan
Nama file yang diunggah harus ditangani secara terpisah dari jalur penyimpanan: nama tampilan digunakan untuk tampilan, dan jalur penyimpanan dibuat oleh server berdasarkan ID internal. Jalur, cakupan, jenis dan otorisasi semuanya diverifikasi secara independen.
Referensi: Python pathlib


