一、传上去的 .jpg,浏览器却当成了网页
有一次在后台看到了一个不太对劲的文件:某个上传目录里有个叫 1.jpg 的文件,用浏览器直接打开,页面里出现了一行 JS。文件名的后缀是图片,服务端的响应头 Content-Type 却不是 image/jpeg,而是 text/html。也就是说,用户把一个 HTML 文件改了个名字传上来,服务器照样收下,还在浏览器里把它当网页执行了。
这类问题在个人站上非常普遍,原因不复杂:上传功能是照着「检查后缀名」的教程写的,而文件类型这件事,比后缀名要复杂得多。更麻烦的是它带来的后果不止是「访客看到一个乱码页」——同一个漏洞可以让攻击者在你的域名下托管任意页面,用来做钓鱼、发广告、甚至挂马,而搜索引擎会把它当成你站的内容收录进去。
这篇从三个层面讲清楚这件事:浏览器是怎么决定一个文件「是什么」的、服务端该怎么正确地判断和返回、以及已经传上去的恶意文件该怎样清点。全部结论都能用几条命令验证。
二、浏览器判断文件类型的三条路,优先级不能搞错
浏览器决定「这串字节该怎么渲染」,靠的是三个信息源,优先级从高到低是:
响应头里的 Content-Type——这是最权威的。服务器说 image/jpeg,浏览器就按图片渲染。但如果这个头缺失,或者服务器给的是 application/octet-stream,浏览器就会往下走。Content-Disposition 头——如果值是 attachment,浏览器会直接下载而完全不渲染,这条实际上比 Content-Type 更强势,因为它是「不管内容是什么都别渲染」的指令。内容嗅探(MIME sniffing)——当上面两个都不能给出结论时,浏览器会读文件开头那几十个字节,猜它是什么。这段猜测逻辑叫 sniffing,各浏览器实现略有差异。
关键点在这里:只要有 Content-Type 或 Content-Disposition 能给出明确答案,嗅探就不会发生。所以「防止上传文件被当网页执行」的第一层处理,不是去检查文件内容,而是确保服务端一定给出明确的响应头。
而反过来的风险是「内容嗅探」被滥用:如果服务器返回 text/plain 但内容其实是 HTML,某些老版本浏览器可能会无视这个头去嗅探并渲染。现代浏览器已经收敛了,但为了彻底杜绝,响应头里加 X-Content-Type-Options: nosniff 是最省事的一招——它对嗅探下死命令禁止,之后即使类型判断错了也不会渲染成网页。
location /uploads/ {
# 上传目录不执行任何脚本
location ~* \.(php|phtml|php5|pht|phar)$ {
return 403;
}
# 强制不让浏览器嗅探
add_header X-Content-Type-Options nosniff always;
# 未知类型一律当二进制下载,不渲染
default_type application/octet-stream;
}注意 location 的优先级:~* 是正则匹配,在同一层级里正则优先于前缀匹配,所以即使外层是 /uploads/ 的前缀,内层这条正则也会命中。这是「上传目录里不能执行脚本」能生效的前提,也是很多人配了却没用上的原因。
三、后缀名为什么不可信:双扩展名、大小写与末尾空格
「只允许 .jpg .png .gif」这个规则听起来没问题,但实现的时候有太多可以绕的点。
双扩展名:shell.php.jpg。如果你的检查逻辑是「文件名里包含 .jpg」,它通过了;但某些服务器的解析规则是「找到第一个可执行的扩展名就执行」,于是它被当成 PHP 跑了。大小写:shell.PHP、shell.PhP。用 strpos($name, '.php') 判断大小写敏感,用正则不严谨都会漏。末尾空格与点:shell.php (末尾一个空格)、shell.php.(末尾一个点),在 Windows 系文件系统上会被自动修剪掉,Linux 上不会,但某些上传组件的规范化逻辑会把它们清掉,清掉之后就变成了 shell.php。控制字符与 Unicode 变体:文件名里塞一个 \0(空字节截断,老版本 PHP 的经典漏洞),或者用全角字符、Unicode 同形字符伪装扩展名。
正确的判断方式是白名单 + 从右往左取最后一段后缀 + 统一小写 + 修剪首尾空白,而且白名单要和「响应头返回的 Content-Type」绑定在一起,不能只做一次检查就完事。更进一步的做法是完全不使用用户提供的文件名:上传后自己生成一个随机名,扩展名从白名单里按检测到的真实类型选。这一招能消灭上面所有花招,因为攻击者完全失去了对最终路径的控制权。
四、真正识别文件内容:magic bytes 与 getimagesize
后缀名不可信,那什么可信?文件内容开头的固定字节序列,也就是 magic bytes。JPEG 是 FF D8 FF,PNG 是 89 50 4E 47 0D 0A 1A 0A,GIF 是 47 49 46 38,WebP 是 52 49 46 46 开头、第 8 到 11 字节是 57 45 42 50。
服务端识别内容有两类工具可用。PHP 的 finfo 扩展(finfo_file())读的就是这些 magic bytes,返回标准的 MIME 字符串。它的优点是准确、快,缺点是它只认「开头像什么」,一个 <?php ... ?> 前面拼上 FF D8 FF 的文件,它照样会报 image/jpeg——这叫多语言文件(polyglot),是这类检查的固有盲区。
所以要加第二道:用图像库真的把图解析一遍。PHP 的 getimagesize() 不仅读开头,还会尝试解析结构,返回宽高和类型;GD 或 Imagick 更进一步,能真正解码。多语言文件通常过不了解码这一步,因为它的图片结构是残缺的。
$info = @getimagesize($tmp_path);
if ($info === false) {
// 连结构都解析不出来,直接拒
reject('不是有效的图片文件');
}
$allow = [IMAGETYPE_JPEG => 'jpg', IMAGETYPE_PNG => 'png',
IMAGETYPE_GIF => 'gif', IMAGETYPE_WEBP => 'webp'];
if (!isset($allow[$info[2]])) {
reject('只接受 JPG/PNG/GIF/WebP');
}
$ext = $allow[$info[2]];
$final = $dir . bin2hex(random_bytes(8)) . '.' . $ext;注意这里的扩展名是从检测结果推出来的,不是从用户文件名里取的。这是整段代码里最重要的一行逻辑:用户给的文件名只用来记事,不用来决定路径。
另有一步不能省:重新编码。如果业务允许,把上传的图片用 GD 或 Imagick 重新生成一张(imagecreatefromjpeg 再 imagejpeg),这会把图片里夹带的任何非图像数据(EXIF 中藏的 payload、文件尾部的追加内容)全部洗掉。代价是有损压缩、元数据丢失,所以通常只对「用户头像」「评论配图」这类不受控来源做重编码,编辑自己上传的配图保留原图。这个取舍下一篇水印那种场景也一样适用。
五、上传目录本身要做的事:不执行、不可列、不越界
即使代码检查做得再好,也应该假设「总有一个漏网的」。所以上传目录本身要做三层收口。
第一,目录里不执行脚本。Nginx 的做法是在上传目录的 location 里把 fastcgi_pass 去掉,或者显式对脚本后缀 return 403。Apache 的做法是在目录里放一个 .htaccess 写上 php_flag engine off 和 Options -ExecCGI。这一层是最有效的兜底,因为它不依赖代码检查正确。第二,不可列目录。autoindex 必须显式关掉(默认是关的,但很多一键脚本会打开)。第三,路径不能越界。文件名里带 ../ 时,拼接出的路径可能跳出上传目录,写到你不想让它写的地方——这也是「不用用户文件名」的另一个理由。
还有一条容易被忽略:上传目录不要挂在可执行路径下。理想结构是把上传文件放在站点的 /data/uploads/,Nginx 用一个独立的 location 或者独立域名来服务。好处是隔离——即使脚本执行了,它的工作目录也和你站点的代码不在一起;而且独立域名还天然规避了「同源」带来的 cookie 读取风险。
六、清点存量:几行命令找出上传目录里所有可疑文件
规则改好只是防止新的进来,存量往往才是真问题。清理的思路是按「扩展名 × 内容类型」做交叉检查,找出两者不一致的文件。
# 找出上传目录里所有非图片扩展名的文件(脚本类)
find /var/www/site/uploads -type f \
-iregex '.*\.\(php\|phtml\|php5\|pht\|phar\|cgi\|pl\|py\|sh\|html\|htm\|svg\)$'
# 找出「后缀是图片,但内容是 HTML/PHP」的可疑文件
find /var/www/site/uploads -type f -iregex '.*\.\(jpg\|png\|gif\|webp\)$' -print0 \
| xargs -0 file --mime-type | grep -v 'image/'第二条命令是关键。它用 file --mime-type 读每个文件的真实类型,凡是后缀是图片但类型不是 image/* 的,都会被列出来。正常情况下这个列表应该是空的。如果里面有东西,逐个看开头几十个字节(head -c 200)确认内容。
另外两个值得查的地方:时间异常的文件(find -newermt,找出某个不记得自己动过的时间段内被写入的文件)、以及体积异常的文件(一张 1KB 的 jpg 和一张 50MB 的 jpg 都值得看一眼,前者可能只是个文本塞了图片头,后者可能是藏在图片尾部的大文件)。
清理的时候不要直接删,先挪到隔离目录。原因很直接:有些文件其实是你自己在很久以前传的,比如一个用作占位的 blank.gif,删掉之后页面上会出现一堆裂图。挪走、观察一周日志里有没有 404,再决定删。
七、SVG 是个特例:它既是图片,又是可执行文档
上面所有关于「图片」的讨论里,SVG 都要单独拿出来说。它的 MIME 类型是 image/svg+xml,看起来是图片,但它本质上是一个 XML 文档,可以内嵌 <script>、可以引用外部资源、可以在被直接打开时执行 JS。所以「允许上传 SVG」在安全上等同于「允许上传 HTML」。
如果业务上确实需要支持 SVG(图标、logo),正确的处理是:用专门的 SVG 消毒库清洗(PHP 的 enshrined/svg-sanitize 之类),移除所有 script、foreignObject、事件属性(on*)和外部引用;或者更省事的做法是只允许上传图标类 SVG 并统一转换成 PNG,之后只服务 PNG。还有一层:SVG 服务时一定要带 Content-Security-Policy,限制它不能加载任何外部资源——即使被内嵌脚本,也没有可用的执行环境。
对大多数内容站,最实际的决定是「不开放 SVG 上传」。这个功能带来的便利(少一次格式转换)远小于它带来的风险面。
八、上线之前按这五条自检
把上面所有内容收成一份能照着走的检查单,五条:
一、路径不受用户控制。上传后自己生成文件名,扩展名从检测结果推出来,不用用户提供的字符串拼路径。二、检查是白名单。允许的类型列出来,其余一律拒,不要写反过来的黑名单。三、内容验证有两道。finfo 读 magic bytes,加上 getimagesize 或真正解码,两道都过才收。四、响应头明确。上传目录的响应带正确的 Content-Type、X-Content-Type-Options: nosniff,未知类型给 application/octet-stream。五、目录不执行。Nginx 或 Apache 层面禁掉脚本执行,并关掉目录列表。
这五条都做到之后,剩下的风险基本只剩「图片里真的藏了对图片解析库的利用代码」这一类,那要靠及时更新 GD/Imagick 的版本,属于另一个层面的运维工作了。
九、小结:把「文件是什么」这件事交给服务端决定
回头看开头那个 1.jpg:它的根本原因是「上传时相信了用户说的类型,返回时又没告诉浏览器该怎么做」。修好它需要三处协同——入口处按内容判断、返回时给出明确的响应头、目录上禁止执行。三处任何一处单独做都不够:只查内容,万一漏了还是执行;只加响应头,脚本文件依然能被访问;只禁执行,文件还是能被托管成钓鱼页。
对个人站长来说,这件事值得花一个下午收拾一次,因为它是一个「一次修好、长期受益」的项。而且清理过程本身也是一次体检:你会在上传目录里看到很多自己早就忘了的文件,顺手把那些没用的清掉,磁盘和备份都能轻一点。