💡 完整的工作示例可在 GitHub 上获取: secure-untrusted-document-upload-conversion-dotnet

应付账款挑战:为何供应商上传转换在大规模时会失效

您的服务器负责转换发票;供应商的 HTML 决定它还会读取什么。使用 GroupDocs.Conversion for .NET 的安全供应商上传转换可以将上传的文件转换为 PDF,而不会让文件自身的引用决定服务器随后获取或读取的内容。

供应商发票门户允许任何已批准的供应商上传发票——通常为 HTML 或 PDF,有时还附带用于设施或施工项目的 SVG 图纸——而应付账款系统会将其转换为 PDF 以进行归档和审批流转。该 HTML 由供应商编写,而非您的团队,它可以引用网页能够引用的任何内容:样式表、脚本、托管在供应商自有 CDN 上的图片,或者——如果供应商账户被攻破——一个本不应从您的网络访问的地址。

供应商数量只会增加。当从少数几家供应商增长到数百家时,原本只存放单个公司文件的上传文件夹现在存放所有人的文件——而某个供应商发票中的相对图片引用可能解析到旁边另一个供应商的文件。

应付账款团队真正需要的不是网络防火墙规则,而是一个转换步骤:默认将上传中的每个引用视为不可信,有意允许经过审查的资产(如供应商的徽标)通过,并在白名单条目写错时大声报错——而不是悄悄失败。

实际情况:一个指向 http://169.254.169.254/latest/meta-data/iam/security-credentials/ 的 <img> 标签会让转换服务器调用云元数据服务——这是上传者从外部永远无法发起的请求。这属于服务器端请求伪造,而仅仅一次 HTML 上传就足以实现。

为什么通用修复无法弥合此缺口

应付账款团队在采用具有自身资源策略的转换库之前,通常会尝试以下方法之一:

  • 在转换主机上阻止网络出口:阻止远程获取,但对相对引用可能解析到的同文件夹内文件无能为力——这正是直接从保存路径转换上传时发生的情况。
  • 在转换前剥离标签:对新出现的引用类型(<link>、SVG <image>、CSS @import)脆弱,并且每次上传格式变化都需要重新审计。
  • 信任供应商门户自带的上传扫描器:仅扫描恶意软件特征,而不检查指向您自身基础设施的 URL。

GroupDocs.Conversion 在最关键的环节弥合了这一缺口:文档加载进行转换的瞬间,在生成任何输出之前。

解决方案:在供应商发票工作流中使用 GroupDocs.Conversion

GroupDocs.Conversion for .NET 26.10 默认通过 SkipExternalResources 拒绝外部资源,您可以通过 WhitelistedResources 精确指定信任的地点,并通过 IExternalResourceHandler 为每个资源提供回调,以确认、覆盖或直接提供资源的字节——因此经过审查的供应商徽标仍可出现在输出的 PDF 中,而无需进行任何网络请求。

要遵循以下实现,您需要:

  • .NET 8.0 或更高版本
  • GroupDocs.Conversion for .NET(获取免费试用)
  • 您无法控制的示例 HTML 或 SVG 上传文件
dotnet add package GroupDocs.Conversion --version 26.10.0

步骤式实现供应商上传转换

下面的示例对应真实的供应商门户场景:转换一个引用徽标、内部地址、本地文件以及相邻文件的上传发票(invoice-upload.html)。

下面的大多数代码片段都会传入一个 ResourceAudit 对象——一个小型的 IExternalResourceHandler,记录每次加载决策并可以提供受信任资产的字节。其完整代码位于Program.cs 示例仓库。

步骤 1 - 从上传的保存路径加载并转换

这就是门户在将上传保存到共享文件夹后立即进行转换的方式——也是相邻文件可能泄漏的环节。

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;

直接从 uploadPath 加载会将整个发票文件夹纳入范围,而不仅仅是其中的单个文件。是范围而非信任决定了加载内容。在此运行中,发票中的所有远程和 file:/// 引用都会被阻止,但 other-customer-signature.svg——同一文件夹中保存的另一个文件——会被加载,因为 SkipExternalResources 只排除文件夹外的引用。

步骤 2 - 为供应商上传需求进行配置

对于供应商上传,完全移除基文件夹,改为从流而非路径加载:

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;

此设置对供应商门户为何重要:

  • 流输入:从流转换的文档没有文件夹,因此其中的相对引用无法解析到其他供应商的文件。
  • ExternalResourceHandler:仍然对每个资源运行,您可以准确记录每个供应商上传请求的内容。

步骤 3 - 执行并捕获已审查的资产

供应商的徽标是您可能真正想保留的引用——由您控制的副本提供,而不是从供应商的 URL 获取:

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;

ResourceAudit 的处理程序会将请求的 URL 与受信任资产字典进行比对;匹配时,它会将 ExternalResourceLoadingArgs.Data 设置为本地字节并将 Skipped 设为 false,于是徽标会出现在输出的 PDF 中,而发票的其他五个引用仍被阻止。

步骤 4 - 及早拒绝配置错误的白名单条目

仅包含主机名而非绝对 URI 前缀的白名单条目会导致转换失败,而不是悄悄匹配过多:

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;
}

传入 cdn.example.com 而不是 https://cdn.example.com/brand/ 会抛出 InvalidLoadOptionsException,其消息为:Whitelisted resource 'cdn.example.com' is not valid. Expected an absolute URI prefix without a query, fragment or encoded '/', '\' or '.', such as 'https://cdn.example.com/assets/' or 'file:///C:/assets/'. 在转换时、配置审查或启动检查时捕获此错误,远比在生产环境中因错误匹配的资源而发现问题要便宜得多。请在发布前捕获它。

为什么 URL 白名单条目会被拒绝?

WhitelistedResources 只接受绝对 URI 前缀,例如 https://cdn.example.com/brand/ 或 file:///C:/assets/。早期版本会在 URL 中任何出现的位置匹配条目,因此 cdn.example.com 也会匹配仅包含该词的攻击者地址。自 26.10 起,该条目会因 InvalidLoadOptionsException 而加载失败,示例的最后一个方法会打印出确切的消息。

供应商 SVG 附件同样存在风险

附在施工发票上的设施图纸仍然只是一个 SVG 文件,它会通过 SvgLoadOptions 而非 WebLoadOptions 进行处理。合同相同,元素不同:ExternalResourceHandler 对其 <image> 引用的处理方式与对发票 <img> 标签的处理方式相同,且图纸中携带的任何内联 <script> 都不会运行:

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;

这正是开头所述的施工发票场景:看似仅仅是平面图的图纸仍可能携带指向您云元数据端点、本地文件或攻击者服务器的引用。在工作示例中,这三者均被阻止,标题也如图所示渲染,因为附带的脚本从未执行。

前后行为对比

检查 直接从保存路径转换 此方法
同文件夹的相邻文件 自动加载 被阻止 - 流输入移除基文件夹
供应商徽标 被阻止;PDF 只显示其 alt 文本 来自已审查的本地文件
云元数据 / 内部地址 默认阻止 默认阻止
仅主机名的白名单条目 被 InvalidLoadOptionsException 拒绝 同样被拒绝,由启动检查捕获
上传中的内联脚本 不会运行 不会运行

有两行发生变化:徽标和相邻文件。相邻文件是网络层审查永远捕获不到的,因为没有网络请求涉及。

其他适用的供应商文档场景

ExternalResourceHandler 属性同样存在于多个供应商门户常接受的其他格式的加载选项中,因此上述模式并不限于 HTML 和 SVG:

  • 供应商提交的 Word 或 Excel 附件:WordProcessingLoadOptions 和 SpreadsheetLoadOptions 暴露相同的处理程序合同。
  • 通过电子邮件发送的发票:EmailLoadOptions 为电子邮件正文引用的远程图片提供相同的处理程序。
  • XBRL 财务申报:FinanceLoadOptions 处理供应商提交的 XBRL 文档中的分类法引用。

开始使用您的供应商上传流水线

您已经了解了 GroupDocs.Conversion 如何安全地处理不可信的供应商上传。接下来请执行以下操作:

资源