
CVE-2026-91940: crawl4ai <=0.9.2 में अविश्वसनीय-कॉन्फ़िग गेट (PDFContentScrapingStrategy image_save_dir) के माध्यम से मनमानी फ़ाइल लेखन। विश्लेषण, पुनरुत्पादन हार्नेस और सत्यापित 0.9.2 बनाम 0.9.3 सीमा।
| CVE | CVE-2026-91940 |
| उत्पाद | crawl4ai, ~84k स्टार्स |
| प्रभावित | >= 0.9.0, <= 0.9.2 |
| ठीक किया गया | 0.9.3 |
| वर्ग | CWE-22, मनमानी फ़ाइल लेखन (हमलावर द्वारा चुनी गई निर्देशिका, बाइट-सटीक सामग्री) |
| विशेषाधिकार | एक कॉलर जो POST /crawl तक पहुँच सकता है। देखें विशेषाधिकार |
| निर्णय | 0.9.2 पर पुष्टि की गई भेद्यता, 0.9.3 पर पैच किया गया, दोनों को शुरू से अंत तक पुनः उत्पादित किया गया |
| CVSS 3.1 | 6.5 AV:N/AC:L/PR:L/UI:N/S:U/C:N/I:H/A:N (NVD PR:N के साथ 7.5 प्रकाशित करता है, जो 0.9.2 के लिए मान्य नहीं है) |
| सलाह | GHSA-xpp7-j28w-2gvx |
crawl4ai का HTTP API अनुरोध निकाय के अंदर एक कॉन्फ़िगरेशन ऑब्जेक्ट स्वीकार करता है। चूँकि निकाय
हमलावर-नियंत्रित होता है, परियोजना ने इसके लिए एक विश्वास सीमा बनाई: Provenance.UNTRUSTED
के साथ लोड किए गए कॉन्फ़िग एक गेट से गुज़रते हैं जो किसी भी ऐसे फ़ील्ड को हटाने या अस्वीकार करने
के लिए माना जाता है जिसे एक अनट्रस्टेड कॉलर को सेट नहीं करना चाहिए।
वह गेट एक पहुँच-योग्य वर्ग के लिए फेल-ओपन करता है। PDFContentScrapingStrategy स्पष्ट रूप से
एक अनट्रस्टेड निकाय से निर्माण-योग्य है, लेकिन इसमें कोई फ़ील्ड अनुमति-सूची नहीं है, और गेट का
"कोई अनुमति-सूची नहीं" वाला नियम है "सब कुछ रखो"। इसलिए इसका image_save_dir बिना किसी बदलाव
के PDF प्रोसेसर तक पहुँचता है, और प्रोसेसर उस निर्देशिका को बनाता है और लाए गए PDF की छवियों
को उसमें बिना किसी कंटेनमेंट जाँच के लिखता है। परिणामस्वरूप, सेवा खाता जिस भी निर्देशिका तक
पहुँच सकता है, वहाँ कॉलर द्वारा प्रदान की गई सामग्री के साथ लेखन होता है।
1. एंडपॉइंट निकाय को अनट्रस्टेड के रूप में चिह्नित करता है (deploy/docker/server.py):
crawler_config = CrawlerRunConfig.load(
crawl_request.crawler_config, provenance=Provenance.UNTRUSTED
)
2. गेट उस प्रकार के हर फ़ील्ड को रखता है जिसकी कोई allowlist नहीं है (crawl4ai/async_configs.py):
def _filter_untrusted_fields(type_name: str, params: dict) -> dict:
"""Drop non-allowlisted fields and raise on forbidden (power) fields."""
forbidden = UNTRUSTED_FORBIDDEN_FIELDS.get(type_name, set())
allowlist = UNTRUSTED_FIELD_ALLOWLIST.get(type_name) # None => keep all non-forbidden
out = {}
for key, value in params.items():
if key in forbidden:
raise UntrustedConfigError(...)
if allowlist is not None and key not in allowlist:
continue # silently drop unknown/unsafe fields (forward-compatible)
out[key] = value
return out
3. PDF रणनीति पहुँच योग्य है लेकिन इसमें न तो कोई allowlist है और न ही forbidden list।
UNTRUSTED_ALLOWED_TYPES में PDFContentScrapingStrategy शामिल है, इसलिए कोई body CrawlerRunConfig.scraping_strategy के माध्यम से इसे बना सकता है। लेकिन UNTRUSTED_FIELD_ALLOWLIST में केवल BrowserConfig और CrawlerRunConfig के लिए keys हैं, और UNTRUSTED_FORBIDDEN_FIELDS में भी इसी प्रकार। इसलिए allowlist None है, forbidden खाली है, और extract_images, save_images_locally तथा image_save_dir सभी बचे रह जाते हैं।
4. sink उस path पर भरोसा करता है (crawl4ai/processors/pdf/processor.py):
if self.extract_images and self.save_images_locally:
if self.image_save_dir:
image_dir = Path(self.image_save_dir)
image_dir.mkdir(exist_ok=True, parents=True)
स्टोरेज रूट के विरुद्ध realpath कंटेनमेंट जाँच के बिना, निरपेक्ष पथ स्वीकार किया जाता है, निर्देशिकाएँ पुनरावर्ती रूप से बनाई जाती हैं। इसके बाद _extract_images() PDF की प्रत्येक छवि को वहाँ लिखता है।
5. PDF को स्वयं रणनीति द्वारा फ़ेच किया जाता है। PDFContentScrapingStrategy.scrap() self._get_pdf_path(url) को कॉल करता है, जो क्रॉलर के ब्राउज़र चरण से स्वतंत्र रूप से URL को डाउनलोड करता है। इसलिए जो बाइट्स लिखे जाते हैं वे हमलावर द्वारा होस्ट की गई फ़ाइल से आते हैं।
यह भाग एडवाइज़री में अनुपस्थित है, जो केवल "हमलावर-नियंत्रित बाइट्स" कहती है, यह बताए बिना कि कैसे। _extract_images() की केवल /FlateDecode शाखा PIL (img.save(final_path)) से गुज़रती है और इसलिए PNG में पुनः-एन्कोड की जाती है। अन्य तीन शाखाएँ कच्ची PDF स्ट्रीम लिखती हैं:
PDF /Filter | लिखा गया एक्सटेंशन | यह कैसे लिखता है |
|---|---|---|
/DCTDecode | .jpg | open(final_path, 'wb').write(data) |
/CCITTFaxDecode | .tiff | वही, और TIFF हेडर केवल तब जोड़ा जाता है जब data[:4] != b'II*\x00' हो |
/JPXDecode | .jp2 | वही |
/FlateDecode | .png | PIL द्वारा पुनः-एन्कोड किया गया, इसलिए बाइट-सटीक नहीं |
इसलिए पेलोड को /DCTDecode छवि XObject के रूप में एम्बेड करने से वे सटीक बाइट्स डिस्क पर पहुँच जाते हैं। इसकी पुष्टि चेकसम की तुलना करके की गई: सर्वर पर लिखी गई फ़ाइल का md5 exploit.py को दिए गए पेलोड के md5 के बराबर है।
NVD इसे PR:N स्कोर देता है। 0.9.2 बिल्ड पर यह सत्य नहीं है, और यह अंतर मानने के बजाय मापा गया था।
इमेज में auth_gate.py शामिल है, जो सबसे बाहरी ASGI परत पर माउंट किया गया एक फ़ेल-क्लोज़्ड AuthGateMiddleware है। इसका अपना डॉकस्ट्रिंग बताता है कि यह क्यों मौजूद है:
पिछला डिज़ाइन प्रति-रूट FastAPI डिपेंडेंसी में प्रमाणीकरण तय करता था, जो कि जब
jwt_enabledfalse होता था (डिफ़ॉल्ट), तोlambda: Noneलौटाता था, इसलिए प्रत्येकDepends(token_dep)केवल औपचारिक था और पूरा API खुला था।
अब यह प्रत्येक रूट, माउंट और सब-ऐप, HTTP और WebSocket को कवर करता है, और किसी भी हैंडलर के चलने से पहले वैध क्रेडेंशियल के बिना अनुरोध को अस्वीकार कर देता है। इसके अतिरिक्त, जब कोई CRAWL4AI_API_TOKEN सेट नहीं होता है तो एंट्रीपॉइंट केवल लूपबैक पर बाइंड होता है और उस सत्र के लिए एक अल्पकालिक टोकन लॉग करता है। बिना क्रेडेंशियल वाले अनुरोध को मिलता है:
HTTP/1.1 401
{"detail": "Authentication required"}
यह भेद्यता अभी भी वास्तविक है, और इसका कारण महत्वपूर्ण है: crawl4ai अनुरोध बॉडी को
अविश्वसनीय मानता है भले ही वह किसी वैध API कॉलर से आए। Provenance.UNTRUSTED का
पूरा उद्देश्य यही है। इसलिए एक कॉलर जिसे API का उपयोग करने की अनुमति है, एक टेनेंट, एक
डाउनस्ट्रीम सेवा, किसी साझा डिप्लॉयमेंट का कम-विशेषाधिकार प्राप्त उपयोगकर्ता, होस्ट पर
मनमानी फ़ाइल राइट तक बढ़ जाता है। यह PR:L है, और यहीं से 7.5 के बजाय 6.5 आता है।
pypdf आधिकारिक इमेज में नहीं है। एडवाइज़री में कहा गया है कि यह है, और इसलिए कोई
अतिरिक्त इंस्टॉल आवश्यक नहीं है। unclecode/crawl4ai:0.9.2 में, pip list केवल
Crawl4AI 0.9.2 और pillow 12.3.0 रिपोर्ट करता है, और find / -iname 'pypdf*' कुछ
नहीं लौटाता। इसके बिना, NaivePDFProcessorStrategy.__init__ ImportError उठाता है,
इसलिए राइट के लिए ऐसे डिप्लॉयमेंट की आवश्यकता होती है जिसने crawl4ai[pdf] एक्स्ट्रा
इंस्टॉल किया हो या कस्टम इमेज बनाई हो।
यह विफलता अपने आप में उपयोगी है, क्योंकि यह राइट होने से पहले ही गेट बायपास साबित कर
देती है। ImportError निर्माण कॉल के अंदर से सामने आता है:
async_configs.py:470 k: from_serializable_dict(v, provenance) for k, v in params.items()
async_configs.py:472 return cls(**constructor_args)
processors/pdf/__init__.py:63 self.pdf_processor = NaivePDFProcessorStrategy(
processors/pdf/processor.py:64 raise ImportError("pypdf is required for PDF processing...")