💡 Plně funkční příklad dostupný na GitHubu:
merge-untrusted-html-uploads-dotnet

Bezpečné slučování nedůvěryhodných HTML dokumentů je workflow GroupDocs.Merger pro .NET, které odmítá externí zdroje, na které odkazuje nahraný soubor – vzdálené URL, UNC cesty a místní soubory – pokud je výslovně nepovolíte.

Starý způsob byl bolestivý

Představte si, že váš fakturační portál sloučí nahranou fakturu zákazníka s dodacím listem ze stejné objednávky do jednoho HTML dokumentu pro archivaci. Faktura je prostý HTML – odkaz na stylesheet, obrázek loga, pár odstavců – jenže jste ji nenapsali vy, ale prohlížeč zákazníka nebo exportní nástroj. Před verzí GroupDocs.Merger 26.10 načítalo sloučení externí zdroje, na které HTML odkazovalo – vzdálené styly, vzdálené obrázky, absolutní cesty k místním souborům – a neexistovala žádná možnost to zastavit.

To je problém v okamžiku, kdy nahraná data nejsou plně důvěryhodná. URL stylesheetu může být také sledovací pixel. Obrázek src může ukazovat na http://169.254.169.254/latest/meta-data/iam/security-credentials/ – adresu cloudových metadat – a váš sloučovací krok by ji požádal jménem nahrávajícího. Absolutní cesta file:/// byla také čtena, takže odkaz na nahrávku jiného zákazníka mohl přenést tento soubor do sloučeného výstupu.

Skutečná cena slepého slučování: úloha sloučení, která načítá cokoli, co nahrávka požaduje, promění váš server na proxy pro SSRF a odkaz file:/// se stane způsobem, jak jeden zákazník může číst soubor druhého zákazníka.

Existuje lepší způsob

GroupDocs.Merger pro .NET to opravuje jako výchozí chování. Od verze 26.10 každý konstruktor LoadOptions nastavuje SkipExternalResources = true a Merger vytvořený bez specifikace LoadOptions používá stejný výchozí stav – nic externího se nenačte, pokud to výslovně nepovolíte.

Požadavky:

  • .NET (kterýkoli ze čtyř cílových frameworků, které GroupDocs.Merger pro .NET podporuje)
  • GroupDocs.Merger pro .NET 26.10 nebo novější (získat dočasnou licenci)
  • Dva HTML dokumenty ke sloučení, přičemž alespoň jeden pochází z nedůvěryhodného zdroje

Instalace jedním příkazem:

dotnet add package GroupDocs.Merger --version 26.10.0

Nový způsob: Sloučení HTML bez důvěry v něj

Takto vypadá spojení dvou HTML nahrávek s bezpečnými výchozími nastaveními, handlerem, který zaznamenává každé rozhodnutí, a – ve druhém průchodu – handlerem, který poskytne jeden důvěryhodný asset.

Krok 1 – Vytvoření Load Options pro formát

LoadOptions nemá konstruktor bez parametrů a je sealed od verze 26.10; ukázka explicitně pojmenovává formát.

// LoadOptions(FileType.HTML) already denies everything external by default
var audit = new ResourceAudit();
var loadOptions = new LoadOptions(FileType.HTML) { ExternalResourceHandler = audit };

Krok 2 – Spojení nahrávek a kontrola rozhodnutí

// Both uploads follow the options of the Merger they are joined to
using (var merger = new Merger(firstUpload, loadOptions))
{
    merger.Join(secondUpload);
    merger.Save(outputPath);
}

foreach (string decision in audit.Decisions)
{
    Console.WriteLine(decision);
}

Klíčové body:

  • SkipExternalResources: zde implicitně true, takže každý vzdálený URL, UNC cesta a odkaz na místní soubor je odmítnut, včetně souboru ve složce nahrávky.
  • Jeden LoadOptions na spojení: druhá nahrávka nedostane vlastní možnosti – dědí to, co bylo použito při vytvoření Merger, ke kterému je připojena.

Krok 3 – Povolit právě jeden důvěryhodný zdroj

// Supply the logo's bytes directly instead of requesting it over the network
var trustedAssets = new Dictionary<string, byte[]>
{
    [logoUrl] = File.ReadAllBytes(logoPath)
};
var audit = new ResourceAudit(trustedAssets);
var loadOptions = new LoadOptions(FileType.HTML) { ExternalResourceHandler = audit };

Metoda handleru OnLoading nastaví args.Skipped = false a args.Data na tyto bajty, když se požadovaná URI shoduje, takže dokument získá logo, aniž by GroupDocs.Merger prováděl jakýkoli požadavek.

Když jsme spustili výchozí sloučení na faktuře a dodacím listu, všech sedm externích odkazů v obou souborech bylo zablokováno – vzdálený stylesheet, vzdálené logo, URL ve stylu metadat, obrázek ze sousední složky, file:/// cesta, UNC cesta a sledovací URL s dotazovým řetězcem. joined.html zachovává text z obou nahrávek; místo každého blokovaného obrázku se objeví placeholder. S připojeným handlerem pro důvěryhodné logo se logo vrátilo jako supplied a ostatních šest zůstalo blocked.

Vedle sebe: Před vs. Po

Před (žádná volba) Po (GroupDocs.Merger 26.10)
Externí požadavky Každý odkaz byl načten automaticky Odmítnuto, pokud není výslovně povoleno
Absolutní cesty k místním souborům Načteny do výstupu Odmítnuty jako jakýkoli jiný odkaz
Důvěryhodné výjimky Nepotřebné – vše načteno Jeden zdroj přes handler nebo whitelistovaný prefix
Špatná whitelist položka Žádný whitelist neexistoval Vyvolá ArgumentException při konstrukci
Požadovaný kód Žádná možnost omezit načítání Několik řádků v LoadOptions

Rozdíl spočívá v tom, co je možné, ne jen v tom, co je pohodlné: před 26.10 neexistovalo nastavení, které by načítání zastavilo; po něm je odmítání výchozí a každá výjimka je explicitní.

Rozbije to HTML, které již závisí na načítání vzdálených obrázků?

Pokud je takové HTML stále sloučeno s výchozími LoadOptions, ano – obrázky se nenačtou a místo nich se ve výstupu objeví placeholder. Oprava je explicitní, ne obcházející: uveďte důvěryhodné zdroje v WhitelistedResources nebo připojte IExternalResourceHandler, který poskytne konkrétní assety, jež chcete stále vykreslovat. V obou případech sloučení pokračuje; jen přestane stahovat cokoliv, co jste nepojmenovali.

Praktický příklad: Konsolidace faktury a dodacího listu

Pipeline, která sloučuje zákazníkem zaslané HTML do archivní kopie, přesně odpovídá scénáři, který modeluje ukázkový projekt na této stránce: nahraná faktura a dodací list ze stejné objednávky, spojené do jednoho souboru. Žádná z nahrávek nebyla vytvořena týmem pipeline, takže nelze předpokládat, že jsou bezpečné k doslovnému čtení. Faktura uvádí částku k úhradě a zákazníka Northwind Traders, a obsahuje odkaz na logo, sledovací stylesheet, URL ve stylu cloudových metadat, odkaz na obrázek ve stejné složce a file:/// cestu – celkem sedm externích odkazů mezi oběma nahrávkami, které by archivní pipeline neměla na žádost zákazníka stahovat.

Před nasazením sloučovací úlohy je rozumné rozhodnout, typ dokumentu po typu dokumentu, zda je vůbec potřeba nějaká výjimka. Tento ukázkový fakturační scénář potřeboval právě jeden: firemní logo, které je poskytováno ze souboru již uloženého na disku místo stažení z vzdálené URL, kterou HTML uvádí. Všechno ostatní – sledovací stylesheet, adresa ve stylu metadat, sousední soubor, UNC a file:/// cesty – nemělo legitimní důvod být staženo, takže výchozí nastavení byla pro ně správná odpověď.

// Reject a whitelist entry that is not an absolute URI prefix
var loadOptions = new LoadOptions(FileType.HTML)
{
    WhitelistedResources = new List<string> { "cdn.example.com" }
};

Předání pouhého názvu hostitele místo absolutního prefixu jako https://cdn.example.com/brand/ vyvolá výjimku s hláškou Whitelisted resource 'cdn.example.com' must be an absolute URI without a query, fragment or encoded '/', '\' or '.'. (Parameter 'WhitelistedResources') – ještě před otevřením jakékoli nahrávky. Zachycení špatně nastaveného whitelistu při startu aplikace stojí více než jeho odhalení až po tom, co zdroj tiše selže v produkci.

Co dalšího můžete dělat s GroupDocs.Merger pro .NET?

  • Validovat položky whitelistu včas: špatně formátovaná položka WhitelistedResources selže při konstrukci Merger, takže kontrola při startu nasazení ji zachytí dříve, než je zpracován jakýkoli dokument.
  • Poskytovat důvěryhodné assety z disku: IExternalResourceHandler může odpovědět na požadavek bajty, které již máte, bez jakéhokoli síťového přístupu.
  • Použít jednu politiku na každý spojený dokument: LoadOptions se nastaví jednou na Merger a každý dokument, který je k němu později připojen, se řídí stejnými pravidly.
  • Pokrytí více než jen HTML: dokumenty Word, HTML/MHTML, prezentace, tabulky, SVG i EPUB všechny respektují stejná nastavení.

Závěr

Sloučení HTML, které jste nenapsali, již neznamená důvěřovat všemu, co obsahuje. GroupDocs.Merger pro .NET odmítá externí zdroje jako výchozí chování od verze 26.10 a dva způsoby, jak udělit výjimku – handler pro důvěryhodné assety a WhitelistedResources – vám poskytují přesně tolik přístupu, kolik daná pipeline potřebuje, a nic víc.

Připraveno to vyzkoušet sami?

Další zdroje