De door de klant geüploade bestandsnaam kan niet rechtstreeks worden gebruikt als opslagpad: om het doorlopen van paden en dubbele naamdekking te voorkomen
Het geüploade bestand heet `../../report.pdf`, wat niet betekent dat de server het onder deze naam moet opslaan. De bestandsnaam komt van de gebruiker en hoort bij de invoergegevens; het schijfpad behoort tot de systeemmachtigingsgrens. Het verwarren van deze twee kan gemakkelijk leiden tot problemen zoals het doorlopen van paden, dubbele naamdekking en verschillend gedrag tussen Windows en Linux.
Het feit dat het geüploade bestand de naam ../../report.pdf heeft, betekent niet dat de server het onder deze naam moet opslaan. Ontwikkelaars die uploadfuncties op de server schrijven, maar ook teams die met gebruikersbestanden moeten omgaan en zich zorgen moeten maken over het doorlopen van paden en dubbele naamdekking, zullen dit probleem tegenkomen. Na het lezen van dit artikel kunt u onderscheid maken tussen weergavenamen en opslagnamen, weet u welke controles er op elke laag moeten worden uitgevoerd en kunt u uw eigen implementatie beoordelen aan de hand van de acceptatie-items.
De bestandsnaam komt van de gebruiker en hoort bij de invoergegevens; het schijfpad behoort tot de systeemmachtigingsgrens. Het verwarren van deze twee kan gemakkelijk leiden tot problemen zoals het doorlopen van paden, dubbele naamdekking en verschillend gedrag tussen Windows en Linux.
In dit artikel worden kunststofmonsters gebruikt om de verwerkingsmethode aan te tonen. De code is gecontroleerd in een geïsoleerde omgeving en biedt geen garantie voor alle echte bestanden of productprestaties. Voordat u belangrijke documenten verwerkt, dient u de originelen te bewaren en deze te controleren op basis van de grenzen en acceptatie-items in de tekst.
Kan de geüploade bestandsnaam rechtstreeks worden gebruikt als opslagpad? Conclusie in één zin
Het kan niet rechtstreeks worden gebruikt. De weergavenaam wordt gebruikt voor interfaceweergave en het opslagpad wordt door de server gegenereerd op basis van de interne ID.
| jouw situatie | Aanbevolen praktijken | reden |
|---|---|---|
| De originele bestandsnaam van de gebruiker moet op de interface worden weergegeven | Weergavenaam alleen gereserveerd voor weergave | Weergavenaam gescheiden van schijfpad om te voorkomen dat paden elkaar kruisen |
| Moet geüploade bestanden opslaan | De server genereert een interne ID en splitst het opslagpad | Vermijd overschrijven met dubbele namen en laat u niet beïnvloeden door gebruikersinvoer |
| Bestandsextensie moet deelnemen aan opslag | Neem het achtervoegsel uit de lijst met toegestane servers | Kopieer geen extensies die door gebruikers zijn gegeven |
| Moet het ware type van het bestand bepalen | Voer inhoudsdetectie en -analyse uit | Extensies kunnen worden nagemaakt |
Weergavenaam en opslagnaam zijn gescheiden
De oorspronkelijke naam blijft behouden voor de interfaceweergave, maar de interne identificatie wordt gegenereerd door de server. Het opslagachtervoegsel moet ook afkomstig zijn uit de toegestane lijst aan de serverzijde, in plaats van de door de gebruiker opgegeven extensie te kopiëren.
In het volgende voorbeeld wordt alleen een pad opgebouwd en geen map of bestand gemaakt.
Minimale padconstructor
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)
In dit voorbeeld wordt ervan uitgegaan dat de interne ID door de server is gegenereerd. Het is geen veilige implementatie van schrijfbestanden voor willekeurige schijfaanvalomgevingen:
- Er kan nog steeds een race ontstaan tussen het controleren en het daadwerkelijk openen.
- Machtigingen voor bovenliggende mappen en beleid voor symbolische koppelingen moeten afzonderlijk worden beheerd.
- Een unieke ID betekent ook niet dat het 'no override'-beleid kan worden genegeerd.
Bestandsnaamopschoning is geen bestandsauthenticatie
Het opruimen van bestandsnamen kan slechts een deel van het probleem oplossen; verschillende fenomenen moeten op verschillende lagen worden behandeld:
| Invoerfenomeen | Op welke laag moet het worden behandeld? | Tekortkomingen |
|---|---|---|
| Bevat padseparatoren | Niet gebruikt als opslagpad | Alleen de diagonale lijn verwijderen is niet genoeg |
| De bestandsextensie is PDF | Inhoudsdetectie en -analyse | Uitbreidingen kunnen worden vervalst |
| Weergavenaam met HTML | Interface-uitgang ontsnappen | Je kunt het niet oplossen door de naam van de schijf te veranderen |
| Zelfde weergavenaam | Interne ID-isolatie | Het mag de vorige upload niet overschrijven |
📊 Kernvergelijking
| Methode | Wat kan worden opgelost? | Tekortkomingen |
|---|---|---|
| Gebruik direct de bestandsnaam van de gebruiker | De implementatie is het eenvoudigst | Paddoorloop en het overschrijven van dubbele namen kunnen voorkomen |
| Verwijder alleen de padscheider | Een deel van de invoer verwerkt | Alleen de diagonale lijn verwijderen is niet genoeg |
| Bepaal het type op basis van de uitbreiding | Voorlopige differentiatie van documenten | Extensies kunnen worden vervalst en moeten worden afgestemd op contentdetectie |
| De server genereert interne ID's | Isoleer dubbele bestanden, met paden die door het systeem worden aangestuurd | Het vereist nog steeds samenwerking met het "No Override"-beleid en directory-machtigingscontrole |
Objectopslag heeft dezelfde grenzen
R2 of andere objecten slaan alle semantiek op zonder traditionele directory-doorloop, maar objectsleutels beïnvloeden nog steeds isolatie, overruling en blootstelling van URL's.
- Spel de door de tenant geleverde string niet direct in een gedeeld voorvoegsel.
- De downloader kan autorisatie niet afleiden op basis van alleen sleutelnamen.
Documenten moeten een identiteit hebben voordat ze in de vertaling worden opgenomen
Bij het openen van de OmniDoc (Productinvoer)-workflow kunnen gebruikers bekende bestandsnamen blijven zien, intern met behulp van onafhankelijke taak-ID's en bestands-ID's.
Duidelijke documentidentiteiten brengen de volgende voordelen met zich mee:
- Bij falen en opnieuw proberen kan het nauwkeurig overeenkomen met de oorspronkelijke taak.
- Vertaling, download en daaropvolgende proeflezen zorgen ervoor dat het juiste bestand wordt overeengekomen.
- Vermindert het risico dat het bestand van iemand anders dezelfde naam heeft als het huidige resultaat.
🎯 Welke methode past bij jou?
Als je de bestandsnaam moet tonen
De oorspronkelijke weergavenaam van de gebruiker wordt behouden, maar alleen voor de interface, niet voor het schijfpad.
Als je bestanden moet opslaan en uploaden
De server genereert de interne ID, neemt de extensie uit de toelaatlijst en beheert dekking en directorypermissies volgens de werkelijke beleidsregels.
Als je objectopslag gebruikt
Spell tenant-strings niet direct met het voorvoegsel 'delen', en maak aparte autorisatiebeslissingen bij het downloaden.
❓ Veelgestelde Vragen (FAQ)
1. Als je de diagonale lijnen verwijdert, wordt de bestandsnaam dan veilig?
Niet genoeg. Het verwijderen van alleen de slashes verwerkt slechts een deel van de invoer; padconstructie, overschrijven en bestandstypebepaling moeten nog steeds apart worden behandeld.
2. Als de bestandsextensie PDF is, kan het dan als PDF worden bevestigd?
Nee. Extensies kunnen worden vervalst, wat inhoudsdetectie en -parsen vereist.
3. Wat moet ik doen als de weergavenaam HTML bevat?
Escape tijdens interface-uitvoer kan niet worden opgelost door de bestandsnaam op de schijf te wijzigen.
4. Moet ik na het gebruik van een unieke ID nog steeds overschrijven uitschakelen?
Ja. Een unieke ID betekent niet dat je het "Geen Override"-beleid kunt negeren.
📝 Samenvatting
De uploadbestandsnaam moet apart worden behandeld van het opslagpad: de weergavenaam wordt gebruikt voor weergave, en het opslagpad wordt door de server gegenereerd op basis van de interne ID. Paden, dekking, typen en toestemmingen moeten afzonderlijk worden geverifieerd.
Ervaar nu: upload je document om te beginnen met vertalen, waarbij je de originele opmaak behoudt
Bronnen: Python pathlib


