feat: валидация контейнера .docx и защита от zip-бомбы в WordPdfValidator.validate
- checkDocxContainer: потоковый проход по zip — декларация wordprocessingml.document в [Content_Types].xml (голый zip / переименованный .xlsx → 400, а не 500 на docx4j) + лимиты MAX_DECOMPRESSED_MB (200) / MAX_ZIP_ENTRIES (8192) — бомба отсекается до readAllBytes в checkPageCount; пороги константные, не ConvertOptions - регрессии: validate_plainZipRejected/xlsxRenamedRejected/zipBombRejected/ tooManyEntriesRejected, inputNotDocx_rejectedBeforeRender, plainZipNotDocx_rejected; junkInsideValidZip_conversionError — на валидном контейнере с мусором (500) - прод-автест test_plain_zip_not_docx_rejected; AGENTS.md синхронизирован
This commit is contained in:
@@ -15,6 +15,12 @@ public final class WordPdfSettings {
|
||||
/** Документ длиннее — ошибка (дефолт). */
|
||||
public static final int MAX_PAGES = 100;
|
||||
|
||||
/** Потолок суммарного распакованного размера архива (МБ) — защита от zip-бомбы. */
|
||||
public static final long MAX_DECOMPRESSED_MB = 200;
|
||||
|
||||
/** Потолок числа записей в архиве — защита от бомбы «много записей». */
|
||||
public static final int MAX_ZIP_ENTRIES = 8192;
|
||||
|
||||
/**
|
||||
* Генерация диаграмм (c:chart → PNG, chart-движок). {@code false} — диаграммы
|
||||
* не рендерятся и остаются в docx, откуда docx2fo выбрасывает их молча,
|
||||
|
||||
@@ -4,8 +4,10 @@ import javax.xml.stream.XMLInputFactory;
|
||||
import javax.xml.stream.XMLStreamException;
|
||||
import javax.xml.stream.XMLStreamReader;
|
||||
import java.io.ByteArrayInputStream;
|
||||
import java.io.ByteArrayOutputStream;
|
||||
import java.io.IOException;
|
||||
import java.io.InputStream;
|
||||
import java.nio.charset.StandardCharsets;
|
||||
import java.util.ArrayDeque;
|
||||
import java.util.ArrayList;
|
||||
import java.util.Deque;
|
||||
@@ -15,7 +17,8 @@ import java.util.zip.ZipInputStream;
|
||||
|
||||
/**
|
||||
* Валидатор ограничений на входной .docx:
|
||||
* размер входа и число страниц.
|
||||
* размер входа, корректность контейнера (.docx-манифест, защита от
|
||||
* zip-бомбы) и число страниц.
|
||||
*
|
||||
* <p>Вход валидатора — только {@code byte[]}: файловых проверок нет,
|
||||
* работа с файлами — забота вызывающего (приложения).
|
||||
@@ -27,10 +30,20 @@ import java.util.zip.ZipInputStream;
|
||||
* <p>Лимиты по умолчанию:
|
||||
* <ul>
|
||||
* <li>{@link WordPdfSettings#MAX_INPUT_MB} — максимальный размер входного .docx (МБ);</li>
|
||||
* <li>{@link WordPdfSettings#MAX_PAGES} — максимально допустимое число страниц.</li>
|
||||
* <li>{@link WordPdfSettings#MAX_PAGES} — максимально допустимое число страниц;</li>
|
||||
* <li>{@link WordPdfSettings#MAX_DECOMPRESSED_MB} — потолок суммарного
|
||||
* распакованного размера архива (МБ);</li>
|
||||
* <li>{@link WordPdfSettings#MAX_ZIP_ENTRIES} — потолок числа записей
|
||||
* в архиве.</li>
|
||||
* </ul>
|
||||
* Оба переопределяются на вызов: перегрузками с явным лимитом или
|
||||
* Первые два переопределяются на вызов: перегрузками с явным лимитом или
|
||||
* {@link ConvertOptions} (конвертер {@link WordPdfConverter} применяет их сам).
|
||||
* Последние два — защитные константные пороги ({@link #validate(byte[], ConvertOptions)}),
|
||||
* {@link ConvertOptions} их не переопределяет.
|
||||
*
|
||||
* <p>Проверка контейнера: архив обязан декларировать документ
|
||||
* wordprocessingml в {@code [Content_Types].xml} — иначе это не .docx
|
||||
* (обычный zip, переименованный .xlsx/.pptx).
|
||||
*
|
||||
* <p>Число страниц берётся из самого .docx как максимум трёх нижних
|
||||
* оценок: кэша Word в {@code docProps/app.xml} ({@code <Pages>}),
|
||||
@@ -102,8 +115,10 @@ public final class WordPdfValidator {
|
||||
*
|
||||
* <p>Не-zip байты не отвергаются: {@code ZipInputStream} доходит до EOF
|
||||
* без единой записи — молча, оценка «1 страница». Корректность контейнера
|
||||
* по zip-подписи проверяет {@link #validate(byte[], ConvertOptions)}
|
||||
* (регрессия — {@code WordPdfValidatorTest#validate_notAZip}).
|
||||
* проверяет {@link #validate(byte[], ConvertOptions)}: zip-подпись,
|
||||
* .docx-манифест и распакованный размер (регрессия —
|
||||
* {@code WordPdfValidatorTest#validate_notAZip}); поэтому вызывать
|
||||
* {@code checkPageCount} напрямую допустимо только над доверенным входом.
|
||||
* @throws ValidationException при {@code null}, ошибке разбора zip или превышении {@link WordPdfSettings#MAX_PAGES}
|
||||
*/
|
||||
public static void checkPageCount(byte[] docxBytes) throws ValidationException {
|
||||
@@ -149,7 +164,8 @@ public final class WordPdfValidator {
|
||||
}
|
||||
|
||||
/**
|
||||
* Полная проверка входа: размер → zip-подпись → число страниц. Порядок
|
||||
* Полная проверка входа: размер → zip-подпись → контейнер (.docx +
|
||||
* zip-бомба) → число страниц. Порядок
|
||||
* значим: размер — дешёвая, разбор zip без подписи бессмысленен. Лимиты
|
||||
* берутся из {@link ConvertOptions} (переопределение на вызов, см.
|
||||
* {@link ConvertOptions#maxMb()}, {@link ConvertOptions#maxPages()}).
|
||||
@@ -161,8 +177,19 @@ public final class WordPdfValidator {
|
||||
* {@code WordPdfValidatorTest#validate_notAZip} (на HTTP-границе —
|
||||
* {@code ConvertControllerTest#corruptNotAZip_rejected}).</p>
|
||||
*
|
||||
* <p>Проверка контейнера: в {@code [Content_Types].xml} обязана быть
|
||||
* декларация документа wordprocessingml (архив без неё — не .docx);
|
||||
* zip-бомба отсекается потоковым счётчиком распакованных байт
|
||||
* ({@link WordPdfSettings#MAX_DECOMPRESSED_MB}) и числом записей
|
||||
* ({@link WordPdfSettings#MAX_ZIP_ENTRIES}) — до загрузки содержимого
|
||||
* в память в {@link #checkPageCount(byte[], int)}. Оба лимита —
|
||||
* защитные пороги, {@link ConvertOptions} их не переопределяет.
|
||||
* Регрессии — {@code WordPdfValidatorTest#validate_plainZipRejected},
|
||||
* {@code #validate_xlsxRenamedRejected}, {@code #validate_zipBombRejected},
|
||||
* {@code #validate_tooManyEntriesRejected}.</p>
|
||||
* @throws ValidationException при {@code null}, превышении {@code options.maxMb()},
|
||||
* отсутствии zip-подписи, ошибке разбора zip или превышении {@code options.maxPages()}
|
||||
* отсутствии zip-подписи, не-.docx-контейнере, признаках zip-бомбы,
|
||||
* ошибке разбора zip или превышении {@code options.maxPages()}
|
||||
*/
|
||||
public static void validate(byte[] docxBytes, ConvertOptions options) throws ValidationException {
|
||||
checkInput(docxBytes, options.maxMb());
|
||||
@@ -170,9 +197,82 @@ public final class WordPdfValidator {
|
||||
|| (docxBytes[2] & 0xFF) != 0x03 || (docxBytes[3] & 0xFF) != 0x04) {
|
||||
throw new ValidationException("Содержимое не похоже на .docx (не zip-архив)");
|
||||
}
|
||||
checkDocxContainer(docxBytes);
|
||||
checkPageCount(docxBytes, options.maxPages());
|
||||
}
|
||||
|
||||
/**
|
||||
* Один потоковый проход по zip: суммарный распакованный размер и число
|
||||
* записей (защита от zip-бомбы — отсечение ДО {@code readAllBytes}
|
||||
* в {@link #checkPageCount(byte[], int)}) и наличие в
|
||||
* {@code [Content_Types].xml} декларации документа wordprocessingml
|
||||
* (архив без неё — не .docx: обычный zip, переименованный .xlsx/.pptx).
|
||||
*/
|
||||
private static void checkDocxContainer(byte[] docxBytes) throws ValidationException {
|
||||
long maxTotal = WordPdfSettings.MAX_DECOMPRESSED_MB * 1024 * 1024;
|
||||
long total = 0;
|
||||
int entries = 0;
|
||||
ByteArrayOutputStream ctBuf = new ByteArrayOutputStream();
|
||||
try (ZipInputStream zip = new ZipInputStream(new ByteArrayInputStream(docxBytes))) {
|
||||
ZipEntry entry;
|
||||
while ((entry = zip.getNextEntry()) != null) {
|
||||
if (!entry.isDirectory()) {
|
||||
entries++;
|
||||
if (entries > WordPdfSettings.MAX_ZIP_ENTRIES) {
|
||||
throw new ValidationException("Слишком много записей в архиве: больше "
|
||||
+ WordPdfSettings.MAX_ZIP_ENTRIES);
|
||||
}
|
||||
}
|
||||
boolean isCt = "[Content_Types].xml".equals(entry.getName());
|
||||
byte[] buf = new byte[8192];
|
||||
int n;
|
||||
while ((n = zip.read(buf)) > 0) {
|
||||
total += n;
|
||||
if (total > maxTotal) {
|
||||
throw new ValidationException("Распакованный размер архива больше "
|
||||
+ WordPdfSettings.MAX_DECOMPRESSED_MB + " МБ (признак zip-бомбы)");
|
||||
}
|
||||
if (isCt) {
|
||||
if (ctBuf.size() + n > 8 * 1024 * 1024) {
|
||||
throw new ValidationException(
|
||||
"Слишком большой [Content_Types].xml: больше 8 МБ");
|
||||
}
|
||||
ctBuf.write(buf, 0, n);
|
||||
}
|
||||
}
|
||||
}
|
||||
} catch (ValidationException e) {
|
||||
throw e;
|
||||
} catch (IOException | RuntimeException e) {
|
||||
throw new ValidationException("Не удалось разобрать байты .docx", e);
|
||||
}
|
||||
// Маркер — подстрока content-type части документа
|
||||
// (application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml):
|
||||
// URI пространства имён wml в [Content_Types].xml не появляется ни у
|
||||
// одного генератора (Word/POI/docx4j пишут только content-type), а в
|
||||
// манифестах .xlsx/.pptx стоит spreadsheetml/presentationml — не матчится.
|
||||
String marker = "wordprocessingml.document";
|
||||
if (!containsAscii(ctBuf.toByteArray(), marker)) {
|
||||
throw new ValidationException("Архив не является .docx: в [Content_Types].xml нет "
|
||||
+ "декларации документа wordprocessingml");
|
||||
}
|
||||
}
|
||||
|
||||
/** Поиск байтов ASCII-строки в массиве (манифест ограничен 8 МБ — наивного поиска достаточно). */
|
||||
private static boolean containsAscii(byte[] data, String needle) {
|
||||
byte[] pat = needle.getBytes(StandardCharsets.UTF_8);
|
||||
outer:
|
||||
for (int i = 0; i + pat.length <= data.length; i++) {
|
||||
for (int j = 0; j < pat.length; j++) {
|
||||
if (data[i + j] != pat[j]) {
|
||||
continue outer;
|
||||
}
|
||||
}
|
||||
return true;
|
||||
}
|
||||
return false;
|
||||
}
|
||||
|
||||
/** Поставщик потока по имени части zip; null — части нет. */
|
||||
private interface PartStream {
|
||||
InputStream open(String name) throws IOException;
|
||||
|
||||
Reference in New Issue
Block a user