Nazwa pliku przesłana przez klienta nie może być bezpośrednio użyta jako ścieżka przechowywania: aby zapobiec przechodzeniu ścieżek i zduplikowaniu nazw
Przesyłany plik nazywa się `../../report.pdf`, co nie oznacza, że serwer powinien go zapisać pod tą nazwą. Nazwa pliku pochodzi od użytkownika i należy do danych wejściowych; ścieżka dysku należy do granicy uprawnień systemu. Pomylenie tych dwóch może łatwo prowadzić do problemów, takich jak przechodzenie ścieżek, zduplikowane pokrycie nazw i różne zachowania w systemach Windows i Linux.
To, że przesłany plik nosi nazwę ../../report.pdf, nie oznacza, że serwer powinien go zapisać pod tą nazwą. Programiści piszący funkcje przesyłania po stronie serwera, a także zespoły, które muszą zajmować się plikami użytkowników i martwić się o przemierzanie ścieżek i pokrycie zduplikowanych nazw, napotkają ten problem. Po przeczytaniu tego artykułu będziesz w stanie rozróżnić nazwy wyświetlane od nazw pamięci, wiedzieć, jakie kontrole należy przeprowadzić na każdej warstwie i przejrzeć własną implementację zgodnie z elementami akceptacji.
Nazwa pliku pochodzi od użytkownika i należy do danych wejściowych; ścieżka dysku należy do granicy uprawnień systemu. Pomylenie tych dwóch może łatwo prowadzić do problemów, takich jak przechodzenie ścieżek, zduplikowane pokrycie nazw i różne zachowania w systemach Windows i Linux.
W tym artykule wykorzystano próbki syntetyczne w celu zademonstrowania metody przetwarzania. Kod został sprawdzony w izolowanym środowisku i nie stanowi gwarancji działania wszystkich rzeczywistych plików ani działania produktu. Przed przystąpieniem do przetwarzania ważnych dokumentów prosimy o zachowanie oryginałów i zapoznanie się z nimi zgodnie z granicami i pozycjami akceptacji w tekście.
Czy nazwa przesłanego pliku może zostać bezpośrednio użyta jako ścieżka do przechowywania? Wniosek w jednym zdaniu
Nie można go używać bezpośrednio. Nazwa wyświetlana jest używana do wyświetlania interfejsu, a ścieżka przechowywania jest generowana przez serwer na podstawie wewnętrznego identyfikatora.
| twoja sytuacja | Zalecane praktyki | powód |
|---|---|---|
| Oryginalna nazwa pliku użytkownika musi zostać wyświetlona w interfejsie | Nazwa wyświetlana zarezerwowana tylko do wyświetlania | Nazwa wyświetlana oddzielona od ścieżki dysku, aby uniknąć przecinania się ścieżek |
| Należy zapisać przesłane pliki | Serwer generuje wewnętrzny identyfikator i łączy ścieżkę przechowywania | Unikaj nadpisywania zduplikowanych nazw i nie daj się nabrać na działania wprowadzane przez użytkownika |
| Rozszerzenie pliku musi uczestniczyć w przechowywaniu | Pobierz przyrostek z listy dozwolonych serwerów | Nie kopiuj rozszerzeń nadanych przez użytkowników |
| Należy określić prawdziwy typ pliku | Wykonaj wykrywanie i analizę treści | Rozszerzenia można sfałszować |
Nazwa wyświetlana i nazwa magazynu są oddzielone
Oryginalna nazwa jest zachowywana do wyświetlania interfejsu, ale wewnętrzna identyfikacja jest generowana przez serwer. Sufiks magazynu powinien również pochodzić z listy dozwolonych po stronie serwera, a nie kopiować rozszerzenie podane przez użytkownika.
Poniższy przykład konstruuje jedynie ścieżkę i nie tworzy katalogu ani pliku.
Konstruktor minimalnej ścieżki
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)
W tym przykładzie założono, że identyfikator wewnętrzny został wygenerowany przez serwer. Nie jest to implementacja bezpiecznego pliku zapisu dla dowolnych środowisk ataku dyskowego:
- Nadal może wystąpić wyścig pomiędzy sprawdzeniem a faktycznym otwarciem.
- Uprawnienia do katalogu nadrzędnego i zasady dowiązań symbolicznych muszą być kontrolowane oddzielnie.
- Unikalny identyfikator nie oznacza również, że można zignorować zasadę „żadnego zastępowania".
Oczyszczanie nazw plików nie jest uwierzytelnianiem plików
Czyszczenie nazw plików może rozwiązać tylko część problemu, a różne zjawiska należy obsługiwać na różnych poziomach:
| zjawisko wejściowe | Na jakim poziomie należy to przetwarzać? | niedociągnięcia |
|---|---|---|
| Zawiera separator ścieżki | Nieużywana jako ścieżka przechowywania | Samo usunięcie ukośnika nie wystarczy |
| rozszerzenie PDF | Wykrywanie i analiza treści | Przedłużenia można kuć |
| Nazwa wyświetlania zawierająca HTML | Wyjście interfejsu escapingowe | Nie da się tego rozwiązać, zmieniając nazwę dysku |
| Ta sama nazwa wyświetlana | Wewnętrzna izolacja ID | Nie powinno to nadpisywać poprzedniego przesłania |
📊 Porównanie rdzenia
| Metoda | Co można rozwiązać? | Wady |
|---|---|---|
| Użyj bezpośrednio nazwy pliku użytkownika | Implementacja jest najprostsza | Może wystąpić przejście ścieżek i nadpisywanie duplikatów nazw |
| Usuwaj tylko separator ścieżek | Przetworzył część wejścia | Samo usunięcie linii diagonalnej to za mało |
| Określ typ na podstawie przedłużenia | Wstępne rozróżnienie dokumentów | Rozszerzenia można podrobić i muszą być skoordynowane z wykrywaniem treści |
| Serwer generuje wewnętrzne identyfikatory | Izoluj zduplikowane pliki, z ścieżkami kontrolowanymi przez system | Wciąż wymaga to współpracy z polityką "No Override" oraz kontrolą uprawnień katalogu |
Obiekty magazynowania mają te same granice
R2 lub inne obiekty przechowują całą semantykę bez tradycyjnego przeszukiwania katalogów, ale klucze obiektowe nadal wpływają na izolację, nadpisywanie i ekspozycję adresów URL.
- Nie zapisuj bezpośrednio znaku dostarczonego przez dzierżawcę jako wspólny prefiks.
- Pobierający nie może wnioskować autoryzacji wyłącznie na podstawie nazw kluczy.
Dokumenty powinny mieć tożsamość zanim trafią do tłumaczenia
Korzystając z przepływu pracy OmniDoc (wpis produktu), użytkownicy mogą nadal widzieć znane nazwy plików, wewnętrznie korzystając z niezależnych identyfikatorów zadań i plików.
Jasne tożsamości dokumentów przynoszą następujące korzyści:
- Po niepowodzeniu i ponownym próbowaniu może dokładnie odpowiadać oryginalnemu zadaniu.
- Pobieranie tłumaczeń i późniejsza korekta zapewniają prawidłowe dopasowanie pliku.
- Zmniejsza ryzyko pomyłki czyjegoś pliku z tą samą nazwą co aktualny wynik.
🎯 Która metoda ci odpowiada?
Jeśli musisz wyświetlić nazwę pliku
Oryginalna nazwa użytkownika jest zachowywana, ale tylko dla interfejsu, nie ścieżki dysku.
Jeśli musisz zapisać i przesłać pliki
Serwer generuje wewnętrzny identyfikator, pobiera rozszerzenie z listy dozwolonych i kontroluje pokrycie oraz uprawnienia katalogu zgodnie z rzeczywistymi politykami.
Jeśli używasz pamięci obiektowej
Nie zapisuj bezpośrednio stringów tenant z prefiksem 'share' i podejmuj osobne decyzje autoryzacyjne podczas pobierania.
❓ Najczęściej zadawane pytania (FAQ)
1. Jeśli usuniesz linie diagonalne, czy nazwa pliku staje się bezpieczna?
Za mało. Usunięcie tylko ukośników przetwarza tylko część wejścia; konstrukcja ścieżek, nadpisywanie i określanie typu pliku muszą być nadal obsługiwane osobno.
2. Jeśli rozszerzenie pliku to PDF, czy można potwierdzić, że jest to PDF?
Nie. Rozszerzenia mogą być podrobione, wymagające wykrywania i parsowania treści.
3. Co powinienem zrobić, jeśli nazwa wyświetlana zawiera HTML?
Escape podczas wyjścia interfejsu nie może zostać rozwiązany przez zmianę nazwy pliku na dysku.
4. Po użyciu unikalnego ID, czy nadal muszę wyłączyć nadpisanie?
Tak. Unikalny dowód tożsamości nie oznacza, że możesz zignorować politykę "Brak nadpisania".
📝 Podsumowanie
Nazwa pliku przesyłania powinna być obsługiwana oddzielnie od ścieżki pamięci: do wyświetlania używa się nazwy wyświetlanej, a ścieżka pamięci jest generowana przez serwer na podstawie wewnętrznego ID. Ścieżki, zasięg, typy i autoryzacje muszą być weryfikowane osobno.
Doświadczenie teraz: Prześlij dokument, aby zacząć tłumaczyć, zachowując oryginalne formatowanie
Źródła: Python pathlib


