💡 Ejemplo completo disponible en GitHub:
secure-untrusted-document-upload-conversion-dotnet

El desafío de Cuentas por Pagar: Por qué la conversión de carga de proveedores falla a gran escala

Su servidor convierte la factura; el HTML del proveedor decide qué más lee. La conversión segura de carga de proveedores con GroupDocs.Conversion para .NET convierte un archivo subido a PDF sin permitir que las propias referencias del archivo elijan lo que su servidor recupera o lee a continuación.

Un portal de facturas de proveedores permite que cualquier proveedor aprobado cargue una factura, generalmente como HTML o PDF, a veces con un dibujo SVG adjunto para una línea de instalaciones o construcción, y el sistema de cuentas por pagar la convierte a PDF para archivado y enrutamiento de aprobación. El proveedor escribió ese HTML, no su equipo, y puede referenciar cualquier cosa que una página web pueda referenciar: una hoja de estilo, un script, una imagen alojada en el CDN propio del proveedor, o —si la cuenta del proveedor fue comprometida— una dirección que nunca debió ser accesible desde su red.

El volumen de proveedores solo crece. Cuando pasa de unas pocas empresas a cientos, la carpeta de cargas que antes contenía los archivos de una compañía ahora contiene los de todos —y una referencia de imagen relativa dentro de la factura de un proveedor puede resolverse a un archivo que pertenece a otro proveedor que está justo al lado.

Lo que realmente necesita un equipo de cuentas por pagar no es una regla de firewall de red, sino un paso de conversión que trate cada referencia dentro de una carga como no confiable por defecto, permita pasar deliberadamente un activo revisado como el logo de un proveedor, y falle de forma ruidosa —no silenciosa— cuando una entrada de lista blanca está mal escrita.

Verificación de la realidad: una sola etiqueta <img> apuntando a
http://169.254.169.254/latest/meta-data/iam/security-credentials/ le pide al servidor de conversión que llame al servicio de metadatos de la nube —una solicitud que el cargador nunca podría hacer desde fuera. Eso es falsificación de solicitud del lado del servidor, y una carga HTML es todo lo que se necesita.

Por qué las soluciones genéricas no cierran esta brecha

Los equipos de cuentas por pagar típicamente recurren a una de estas antes de adoptar una biblioteca de conversión con su propia política de recursos:

  • Bloqueo de salida de red en el host de conversión: detiene una obtención remota, pero no hace nada respecto a un archivo de la misma carpeta al que una referencia relativa puede resolverse —exactamente lo que ocurre cuando una carga se convierte directamente desde su ruta guardada.
  • Eliminación de etiquetas antes de la conversión: frágil frente a nuevos tipos de referencia (<link>, SVG <image>, CSS @import) y debe volver a auditarse cada vez que cambia el formato de carga.
  • Confiar en el escáner de carga propio del portal del proveedor: escanea firmas de malware, no una URL que apunte a su propia infraestructura.

GroupDocs.Conversion cierra esta brecha en el punto donde más importa: el momento en que el documento se carga para la conversión, antes de que se produzca cualquier salida.

La solución: GroupDocs.Conversion en un flujo de trabajo de facturas de proveedores

GroupDocs.Conversion para .NET 26.10 niega recursos externos por defecto a través de SkipExternalResources, le permite nombrar exactamente las ubicaciones que confía mediante WhitelistedResources, y le brinda una devolución de llamada por recurso a través de IExternalResourceHandler que puede confirmar, sobrescribir o suministrar los bytes de un recurso directamente —de modo que un logo de proveedor revisado aún pueda aparecer en el PDF de salida sin que se realice nunca una solicitud de red para él.

Para seguir la implementación a continuación, necesitará:

  • .NET 8.0 o posterior
  • GroupDocs.Conversion para .NET (obtener una prueba gratuita)
  • Una muestra de carga HTML o SVG que usted no controle
dotnet add package GroupDocs.Conversion --version 26.10.0

Implementación del paso de conversión de carga de proveedor paso a paso

El ejemplo a continuación corresponde a un escenario real de portal de proveedores: convertir una factura cargada (invoice-upload.html) que referencia un logo, una dirección interna, un archivo local y un archivo que está al lado.

La mayoría de los fragmentos a continuación pasan un objeto ResourceAudit —un pequeño IExternalResourceHandler que registra cada decisión de carga y puede suministrar los bytes de un activo confiable. Su código completo está en Program.cs del repositorio de ejemplo.

Paso 1 - Cargar y convertir desde la ruta guardada de la carga

Así es como un portal podría convertir una carga inmediatamente después de guardarla en una carpeta compartida —y el paso donde un archivo hermano puede filtrarse.

var audit = new ResourceAudit();
var loadOptions = new WebLoadOptions { ExternalResourceHandler = audit };

using (var converter = new Converter(uploadPath, (LoadContext _) => loadOptions))
{
    converter.Convert(outputPath, new PdfConvertOptions());
}

return audit.Loaded;

Cargar directamente desde uploadPath coloca toda la carpeta de la factura en alcance, no solo el archivo dentro de ella. El alcance, no la confianza, decide qué se carga. En esta ejecución, cada referencia remota y file:/// en la factura se bloquea, pero other-customer-signature.svg —un archivo diferente guardado en la misma carpeta— se carga, porque SkipExternalResources solo excluye referencias fuera de esa carpeta.

Paso 2 - Configurar para los requisitos de carga de proveedores

Para cargas de proveedores, elimine la carpeta base por completo cargando desde un flujo en lugar de una ruta:

var audit = new ResourceAudit();
var loadOptions = new WebLoadOptions { ExternalResourceHandler = audit };

using (var converter = new Converter(
    () => File.OpenRead(uploadPath), (LoadContext _) => loadOptions))
{
    converter.Convert(outputPath, new PdfConvertOptions());
}

return audit.Loaded;

Por qué esta configuración importa para los portales de proveedores:

  • Entrada de flujo: un documento convertido desde un flujo no tiene carpeta, por lo que una referencia relativa dentro de él no puede resolverse a un archivo de otro proveedor.
  • ExternalResourceHandler: sigue ejecutándose para cada recurso, de modo que mantiene un registro exacto de lo que cada carga de proveedor solicitó.

Paso 3 - Ejecutar y capturar un activo revisado

El logo de un proveedor es una referencia que quizá realmente quiera conservar —suministrada desde una copia que usted controla, no obtenida de la URL propia del proveedor:

var trustedAssets = new Dictionary<string, byte[]>
{
    [assetUrl] = File.ReadAllBytes(assetPath)
};
var audit = new ResourceAudit(trustedAssets);
var loadOptions = new WebLoadOptions { ExternalResourceHandler = audit };

using (var converter = new Converter(
    () => File.OpenRead(uploadPath), (LoadContext _) => loadOptions))
{
    converter.Convert(outputPath, new PdfConvertOptions());
}

return audit.Loaded;

El controlador de ResourceAudit verifica la URL solicitada contra un diccionario de activos confiables; cuando coincide, establece ExternalResourceLoadingArgs.Data a los bytes locales y Skipped a false, de modo que el logo aparece en el PDF de salida mientras que las otras cinco referencias de la factura permanecen bloqueadas.

Paso 4 - Rechazar una entrada de lista blanca mal configurada temprano

Una entrada de lista blanca que es solo un nombre de host, no un prefijo URI absoluto, hace que la conversión falle en lugar de coincidir silenciosamente en exceso:

var loadOptions = new WebLoadOptions
{
    WhitelistedResources = new List<string> { entry }
};

try
{
    using var converter = new Converter(
        () => File.OpenRead(uploadPath), (LoadContext _) => loadOptions);
    converter.Convert(outputPath, new PdfConvertOptions());
    return null;
}
catch (InvalidLoadOptionsException exception)
{
    return exception.Message;
}

Pasar cdn.example.com en lugar de https://cdn.example.com/brand/ lanza InvalidLoadOptionsException con el mensaje: Whitelisted el recurso 'cdn.example.com' no es válido. Se esperaba un prefijo URI absoluto sin una consulta, fragmento o '/' , '\' o '.' codificados, como 'https://cdn.example.com/assets/' or 'file:///C:/assets/'. Capturar esto en tiempo de conversión, en una revisión de configuración o una verificación de inicio, es mucho más barato que descubrirlo a partir de un recurso mal coincidente en producción. Captúrelo antes de que se despliegue.

¿Por qué alguna vez se rechazaría una entrada de lista blanca de URL?

WhitelistedResources solo acepta prefijos URI absolutos, como https://cdn.example.com/brand/ o file:///C:/assets/. Las versiones anteriores coincidían una entrada dondequiera que apareciera en la URL, por lo que cdn.example.com también coincidía con la dirección de un atacante que simplemente contenía esas palabras. Desde la 26.10 esa entrada falla la carga con InvalidLoadOptionsException, y el último método del ejemplo imprime el mensaje exacto.

Los adjuntos SVG de proveedores conllevan el mismo riesgo

Un dibujo de instalaciones adjunto a una factura de construcción sigue siendo solo un archivo SVG, y pasa por SvgLoadOptions en lugar de WebLoadOptions. Mismo contrato, elemento diferente: el ExternalResourceHandler se aplica a sus referencias <image> de la misma forma que se aplicó a las etiquetas <img> de la factura, y cualquier <script> en línea que lleve el dibujo no se ejecuta:

var audit = new ResourceAudit();
var loadOptions = new SvgLoadOptions { ExternalResourceHandler = audit };

using (var converter = new Converter(
    () => File.OpenRead(uploadPath), (LoadContext _) => loadOptions))
{
    converter.Convert(outputPath, new PdfConvertOptions());
}

return audit.Loaded;

Este es exactamente el escenario de factura de construcción del inicio: un dibujo que parece nada más que un plano de planta aún puede llevar una referencia a su punto final de metadatos en la nube, a un archivo local o al servidor de un atacante. En el ejemplo funcional los tres están bloqueados, y el pie de foto se muestra exactamente como se dibujó, porque el script adjunto nunca se ejecuta.

Comportamiento antes y después

Verificación Conversión directa desde la ruta guardada Este enfoque
Archivo hermano en la misma carpeta Se carga automáticamente Bloqueado — la entrada de flujo elimina la carpeta base
Logo del proveedor Bloqueado; el PDF muestra solo su texto alternativo Suministrado desde un archivo local revisado
Metadatos en la nube / dirección interna Bloqueado por defecto Bloqueado por defecto
Entrada de lista blanca solo con nombre de host Rechazada con InvalidLoadOptionsException Rechazada de la misma forma, capturada en una verificación de inicio
Script en línea en la carga No se ejecuta No se ejecuta

Dos filas cambian: el logo y el archivo hermano. El archivo hermano es el que una revisión a nivel de red nunca detectaría, porque no hay solicitud de red involucrada.

Otros escenarios de documentos de proveedores donde esto se aplica

La misma propiedad ExternalResourceHandler existe en las opciones de carga para varios otros formatos que los portales de proveedores aceptan con frecuencia, por lo que el patrón anterior no se limita a HTML y SVG:

  • Adjuntos Word o Excel enviados por el proveedor: WordProcessingLoadOptions y SpreadsheetLoadOptions exponen el mismo contrato de manejador.
  • Facturas enviadas por correo electrónico: EmailLoadOptions expone el mismo manejador para las imágenes remotas que referencia el cuerpo del correo.
  • Presentaciones XBRL financieras: FinanceLoadOptions cubre referencias de taxonomía en documentos XBRL enviados por el proveedor.

Comenzando con su canal de carga de proveedores

Ha visto cómo GroupDocs.Conversion maneja de forma segura las cargas de proveedores no confiables. Aquí está lo que debe hacer a continuación:

Recursos