💡 完全に動作する例はGitHubで入手できます: merge-untrusted-html-uploads-dotnet

信頼できないHTMLドキュメントを安全にマージすることは、GroupDocs.Merger の .NET ワークフローで、アップロードが参照する外部リソース(リモートURL、UNC パス、ローカルファイル)を、明示的に許可しない限り拒否します。

従来の方法は苦痛だった

請求ポータルが顧客の請求書アップロードと同じ注文の納品書を 1 つの HTML ドキュメントに結合してアーカイブすると想像してください。請求書はプレーンな HTML で、スタイルシートリンク、ロゴ画像、数段落が含まれますが、これはあなたが書いたものではなく、顧客のブラウザやエクスポートツールが生成したものです。GroupDocs.Merger 26.10 以前は、マージ時に HTML が参照する外部リソース(リモートスタイルシート、リモート画像、絶対ローカルファイルパス)が自動的に読み込まれ、これを止めるオプションはありませんでした。

アップロードが完全に信頼できない瞬間に問題が発生します。スタイルシートの URL がトラッキングピクセルになることもあります。画像の src が http://169.254.169.254/latest/meta-data/iam/security-credentials/ のようなクラウドメタデータアドレスを指すことがあり、マージ処理がアップローダーの代わりにリクエストしてしまいます。絶対パスの file:/// も読み込まれるため、別の顧客のアップロードへの参照がマージ結果にそのファイルを取り込む可能性があります。

盲目的にマージすることの実際のコスト: アップロードが要求するものすべてを取得するマージジョブは、サーバーを SSRF のプロキシに変え、file:/// 参照はある顧客のマージが別の顧客のファイルを読む手段になります。

より良い方法があります

GroupDocs.Merger for .NET はデフォルトでこの問題を解決します。バージョン 26.10 以降、すべての LoadOptions コンストラクタは SkipExternalResources = true を設定し、ロードオプションなしで作成された Merger も同じデフォルトを使用します。明示的に許可しない限り、外部リソースは読み込まれません。

前提条件

  • .NET(GroupDocs.Merger for .NET がサポートする 4 つのターゲットフレームワークのいずれか)
  • GroupDocs.Merger for .NET 26.10 以降(一時ライセンスを取得)
  • 結合する 2 つの HTML ドキュメント(少なくとも 1 つは完全に信頼できないソース)

1つのコマンドでインストール:

dotnet add package GroupDocs.Merger --version 26.10.0

新しい方法: 信頼できない HTML を安全にマージする

以下は、セキュアなデフォルト、すべての決定を記録するハンドラ、そして 2 回目のパスで 1 つの信頼できるアセットを供給するハンドラを使用した、2 つの HTML アップロードを結合する例です。

ステップ 1 - フォーマット用の Load Options を作成

LoadOptions にはパラメータなしコンストラクタがなく、26.10 以降は sealed です。サンプルではフォーマットを明示的に指定しています。

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

ステップ 2 - アップロードを結合し、決定を検査

// 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);
}

重要ポイント:

  • SkipExternalResources: ここでは暗黙的に true となっており、すべてのリモート URL、UNC パス、ローカルファイル参照が拒否されます。アップロード自身のフォルダー内のファイルも含まれます。
  • 結合ごとに 1 つの LoadOptions: 2 番目のアップロードは独自のオプションを持ちません。結合先の Merger が作成されたときのオプションを継承します。

ステップ 3 - 正確に 1 つの信頼できるリソースだけを許可

// 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 };

ハンドラの OnLoading メソッドは、要求された URI が一致したときに args.Skipped = false と args.Data にそのバイト列を設定するため、GroupDocs.Merger がネットワーク要求を行うことなくロゴが文書に組み込まれます。

デフォルトのマージを請求書と納品書のアップロードに対して実行したところ、両ファイルに含まれる 7 つの外部参照すべてがブロックされました(リモートスタイルシート、リモートロゴ、メタデータ風 URL、同フォルダー画像、file:/// パス、UNC パス、クエリ文字列付きトラッキング URL)。joined.html には両アップロードのテキストが保持され、ブロックされた画像の代わりにプレースホルダーが挿入されます。信頼できるロゴハンドラを添付すると、ロゴは supplied として復元され、残りの 6 つは blocked のままです。

並列比較: Before vs. After

Before (オプションなし) After (GroupDocs.Merger 26.10)
外部リクエスト すべての参照が自動的に読み込まれる 明示的に許可しない限り拒否される
絶対ローカルファイルパス 出力に読み込まれる 他の参照と同様に拒否される
信頼できる例外 必要なし – すべてが読み込まれる ハンドラまたはホワイトリスト接頭辞で 1 つのリソースだけ許可
不正なホワイトリスト項目 ホワイトリストは存在しなかった コンストラクタ時に ArgumentException で拒否
必要なコード 読み込みを制限する方法がなかった LoadOptions の数行だけ

可能かどうかの対比であり、便利さだけの問題ではありません。26.10 以前はロードを停止する設定がなく、以降はデフォルトで拒否され、例外はすべて明示的になります。

既にリモート画像の読み込みに依存している HTML は壊れますか?

デフォルトの LoadOptions でマージすると、画像は読み込まれず、プレースホルダーが出力に置かれます。修正は回避策ではなく明示的です。WhitelistedResources に信頼できるソースを列挙するか、特定のアセットを供給する IExternalResourceHandler を添付してください。いずれの場合もマージは継続しますが、名前が付いていないものは取得されません。

実務例: 請求書と納品書の統合

顧客が提出した HTML をアーカイブ用コピーにマージするドキュメントパイプラインは、本ページのサンプルプロジェクトがモデル化しているシナリオそのものです。請求書アップロードと同じ注文の納品書を 1 ファイルに結合します。どちらのアップロードもパイプラインのチームが作成したものではないため、文字通り安全に読み取れるとは限りません。請求書には金額、顧客(Northwind Traders)、ロゴ参照、トラッキングスタイルシート、クラウドメタデータ風 URL、同フォルダー画像、file:/// パスという 7 つの外部参照が含まれますが、アーカイブパイプラインが顧客の代わりに取得すべきではありません。

マージジョブを本番稼働させる前に、ドキュメントタイプごとに例外が本当に必要かどうかを検討すべきです。このサンプルの請求シナリオでは、会社独自のロゴ 1 つだけが例外として必要でした。ロゴはディスク上のファイルから供給し、HTML が指すリモート URL からは取得しませんでした。その他(トラッキングスタイルシート、メタデータ風アドレス、同フォルダー画像、UNC と file:/// パス)には取得すべき正当な理由がなかったため、デフォルト設定だけで十分でした。

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

絶対プレフィックス(例: https://cdn.example.com/brand/)ではなくホスト名だけを渡すと、ArgumentException がコンストラクション時にスローされ、メッセージは Whitelisted resource 'cdn.example.com' must be an absolute URI without a query, fragment or encoded '/', '\' or '.' となります。アップロードが開かれる前に誤ったホワイトリストを検出できることは、実稼働でリソースが静かに失敗するのを防ぐ以上に価値があります。

GroupDocs.Merger for .NET で他にできることは?

  • ホワイトリスト項目を早期に検証: 不正な WhitelistedResources エントリは Merger の構築時に失敗するため、デプロイ時のスタートアップチェックで文書処理前に捕捉できます。
  • ディスク上の信頼できるアセットを供給: IExternalResourceHandler はネットワークアクセスなしで、既に持っているバイト列でリクエストに応答できます。
  • すべての結合ドキュメントに同一ポリシーを適用: LoadOptions を Merger に一度設定すれば、後から結合されるすべてのドキュメントが同じルールに従います。
  • HTML 以外もカバー: ワードプロセッシング、HTML/MHTML、プレゼンテーション、スプレッドシート、SVG、EPUB など、すべて同じオプションが適用されます。

結論

自分で書いていない HTML をマージすることは、もはやすべてを信頼することを意味しません。GroupDocs.Merger for .NET はバージョン 26.10 以降、デフォルトで外部リソースを拒否し、例外を付与する方法(信頼できるアセットハンドラと WhitelistedResources)は、パイプラインが必要とするアクセスだけを正確に提供し、余計なものは一切許可しません。

自分で試してみませんか?

追加リソース