Přeskočit na obsah

Import DOCX přes mammoth umí přečíst libovolný soubor serveru (externí obrázek r:link)

import { Aside } from ‘@astrojs/starlight/components’;

Funkce „import šablony z Wordu“ (DOCX → HTML → uložená šablona) prošla testy na diakritiku a strukturu. Nezávislé review ale ukázalo, že speciálně připravený .docx s obrázkem odkazovaným přes r:link na file:///cesta/.env vrátí v odpovědi API i v uložené šabloně obsah tohoto souboru jako <img src="data:…;base64,…">. Stačí právo na správu šablon a dokument od třetí strany (klient, právník).

mammoth do verze 1.10 čte externí obrázky (<a:blip r:link="…">) přes files.read(uri), který pro absolutní URI sáhne na disk serveru. Neznámý content-type dá jen varování, ne chybu, takže import pokračuje. Jde o CVE-2025-11849; od 1.11 je výchozí externalFileAccess: false.

Ve stejné cestě byly další dvě díry stejného druhu („důvěra v cizí soubor“):

  • zip bomba — limit 10 MB platil jen pro komprimovanou velikost; document.xml rozbalený na GB shodí proces pro všechny tenanty (OOM);
  • javascript: odkazy — hyperlinky z Wordu šly beze změny do uloženého HTML i do náhledu (docx-preview nastavuje href z dokumentu bez filtru).
// 1) konvertor bez přístupu k disku (+ verze s bezpečným defaultem)
await mammoth.convertToHtml({ buffer }, { styleMap, externalFileAccess: false });
// 2) zip bomba: rozbalená velikost z centrálního adresáře PŘED parsováním
const zip = await JSZip.loadAsync(buffer);
const total = Object.values(zip.files).reduce((s, f) => s + (f._data?.uncompressedSize ?? 0), 0);
if (total > 50 * 1024 * 1024 || Object.keys(zip.files).length > 2000) throw new ImportError("too_large");
// 3) sanitizace výsledného HTML (DOM, ne regex): obrázky pryč, odkazy jen bezpečná schémata
for (const el of root.querySelectorAll("img,script,style,iframe,object,embed")) el.remove();
for (const a of root.querySelectorAll("a[href]")) if (!/^(https?:|mailto:|tel:)/i.test(a.getAttribute("href") ?? "")) a.removeAttribute("href");
// totéž po renderAsync() v náhledu docx-preview na klientu

Chyby mammoth týkající se obrázků se po změně berou jako varování (obrázky se neimportují), ostatní chyby import zastaví. Testy: fixtura s r:link na file:///etc/hosts (výstup nesmí obsahovat <img ani base64), fixtura s javascript: a mailto: odkazem, fixtura se 60 MB rozbaleným XML (~60 KB na disku).

Jak se tomu vyvarovat v jiných systémech

Sekce “Jak se tomu vyvarovat v jiných systémech”
  • Detection: grep -rn "mammoth" package.json s verzí < 1.11; grep -rn "convertToHtml\|renderAsync" src bez následné sanitizace; limit velikosti uploadu jen na file.size.
  • Anti-pattern: „soubor prošel kontrolou přípony a velikosti, takže je bezpečný“; HTML z konvertoru uložené do DB a renderované do PDF/editoru bez allow-listu.
  • Lepší přístup: konvertor s vypnutým přístupem k disku, limity na rozbalený obsah, DOM sanitizace (allow-list tagů/schémat) na serveru i v náhledu, review od druhého modelu/člověka zaměřené na „co když je soubor nepřátelský“.

Sister bugs / související

Sekce “Sister bugs / související”
  • Tajemství cronu v argv — stejný vzor „bezpečné jen zdánlivě“.
  • Zranitelnost obecně: SSRF/LFI přes konvertory dokumentů (LibreOffice headless, Pandoc s --resource-path, ImageMagick delegáti) — vždy spouštět bez přístupu k citlivým cestám.
Přidal aiarchitekt.cz · 22. 10. 2026 2:00
Provozuje aiarchitekt.cz