
CVE-2026-91940: 신뢰할 수 없는 설정 게이트(PDFContentScrapingStrategy image_save_dir)를 통한 crawl4ai <=0.9.2의 임의 파일 쓰기. 분석, 재현 하네스 및 검증된 0.9.2 대 0.9.3 경계.
| CVE | CVE-2026-91940 |
| 제품 | crawl4ai, 약 84k 스타 |
| 영향 받는 버전 | >= 0.9.0, <= 0.9.2 |
| 수정 버전 | 0.9.3 |
| 분류 | CWE-22, 임의 파일 쓰기 (공격자가 선택한 디렉터리, 바이트 단위로 정확한 내용) |
| 권한 | POST /crawl에 접근할 수 있는 호출자. 권한 참조 |
| 판정 | 0.9.2에서 취약점 확인됨, 0.9.3에서 패치됨, 둘 다 처음부터 끝까지 재현됨 |
| CVSS 3.1 | 6.5 AV:N/AC:L/PR:L/UI:N/S:U/C:N/I:H/A:N (NVD는 PR:N으로 7.5를 게시하지만, 이는 0.9.2에는 해당하지 않음) |
| 권고문 | GHSA-xpp7-j28w-2gvx |
crawl4ai의 HTTP API는 요청 본문 안에 구성 객체를 받아들인다. 본문은
공격자가 제어할 수 있기 때문에, 프로젝트는 이에 대한 신뢰 경계를 구축했다:
Provenance.UNTRUSTED로 로드된 구성은 신뢰할 수 없는 호출자가 설정해서는 안 되는
필드를 제거하거나 거부하도록 설계된 게이트를 통과한다.
그 게이트는 접근 가능한 한 가지 부류에 대해 fail-open(실패 시 개방) 방식으로 동작한다.
PDFContentScrapingStrategy는 신뢰할 수 없는 본문으로부터 명시적으로 생성할 수 있지만,
필드 허용 목록이 없으며, 게이트의 "허용 목록 없음" 규칙은 "모두 유지"이다. 따라서
그것의 image_save_dir은 PDF 프로세서에 그대로 도달하고, 프로세서는 해당 디렉터리를
생성한 뒤 가져온 PDF의 이미지를 격리 검사 없이 그 안에 쓴다. 그 결과 서비스 계정이
접근할 수 있는 모든 디렉터리에 호출자가 제공한 내용으로 쓰기가 이루어진다.
1. 엔드포인트가 본문을 신뢰할 수 없는 것으로 표시한다 (deploy/docker/server.py):
crawler_config = CrawlerRunConfig.load(
crawl_request.crawler_config, provenance=Provenance.UNTRUSTED
)
2. 게이트는 허용 목록이 없는 타입의 모든 필드를 유지합니다 (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 전략은 도달 가능하지만 허용 목록도 금지 목록도 없다.
UNTRUSTED_ALLOWED_TYPES에는 PDFContentScrapingStrategy가 포함되어 있으므로, 본문은 CrawlerRunConfig.scraping_strategy를 통해 이를 생성할 수 있다. 그러나 UNTRUSTED_FIELD_ALLOWLIST에는 BrowserConfig와 CrawlerRunConfig에 대한 키만 있고, UNTRUSTED_FORBIDDEN_FIELDS도 마찬가지다. 따라서 allowlist는 None이고, forbidden은 비어 있으며, extract_images, save_images_locally, image_save_dir는 모두 살아남는다.
4. 싱크는 그 경로를 신뢰한다 (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)
절대 경로가 허용되고, 디렉터리가 재귀적으로 생성되며, 스토리지 루트에 대한 realpath 포함 검사가 없습니다. 그런 다음 _extract_images()가 PDF의 각 이미지를 그곳에 씁니다.
5. PDF는 전략 자체에 의해 가져와집니다. PDFContentScrapingStrategy.scrap()은 self._get_pdf_path(url)을 호출하며, 이는 크롤러의 브라우저 단계와 독립적으로 URL을 다운로드합니다. 따라서 기록되는 바이트는 공격자가 호스팅하는 파일에서 나옵니다.
이 부분은 권고문에 없으며, 권고문은 어떻게인지 밝히지 않은 채 "공격자가 제어하는 바이트"라고만 말합니다. _extract_images()의 /FlateDecode 분기만 PIL(img.save(final_path))을 거치므로 PNG로 재인코딩됩니다. 나머지 세 분기는 원시 PDF 스트림을 기록합니다:
PDF /Filter | 기록되는 확장자 | 기록 방식 |
|---|---|---|
/DCTDecode | .jpg | open(final_path, 'wb').write(data) |
/CCITTFaxDecode | .tiff | 동일하며, TIFF 헤더는 data[:4] != b'II*\x00'일 때만 앞에 붙습니다 |
/JPXDecode | .jp2 | 동일 |
/FlateDecode | .png | PIL에 의해 재인코딩되므로 바이트 단위로 정확하지 않음 |
따라서 페이로드를 /DCTDecode 이미지 XObject로 임베드하면 해당 바이트가 그대로 디스크에 기록됩니다. 이는 체크섬을 비교하여 확인되었습니다: 서버에 기록된 파일의 md5는 exploit.py에 전달된 페이로드의 md5와 같습니다.
NVD는 이를 PR:N으로 평가합니다. 0.9.2 빌드에서는 그것이 성립하지 않으며, 그 차이는 가정이 아니라 측정되었습니다.
이미지에는 auth_gate.py가 포함되어 있으며, 이는 가장 바깥쪽 ASGI 계층에 마운트된 fail-closed AuthGateMiddleware입니다. 자체 docstring이 존재 이유를 설명합니다:
이전 설계는 라우트별 FastAPI 의존성에서 인증을 결정했는데,
jwt_enabled가 false(기본값)일 때lambda: None을 반환하여 모든Depends(token_dep)가 장식에 불과했고 전체 API가 열려 있었습니다.
이제는 모든 라우트, 마운트, 하위 앱, HTTP 및 WebSocket을 포괄하며, 어떤 핸들러가 실행되기 전에 유효한 자격 증명이 없는 요청을 거부합니다. 그 위에, CRAWL4AI_API_TOKEN이 설정되지 않은 경우 엔트리포인트는 루프백에만 바인딩하고 해당 세션에 대한 임시 토큰을 로그에 남깁니다. 자격 증명이 없는 요청은 다음을 받습니다:
HTTP/1.1 401
{"detail": "Authentication required"}
취약점은 여전히 실재하며, 그 이유가 중요합니다. crawl4ai는 요청 본문을 합법적인 API 호출자로부터 온 경우에도 신뢰할 수 없는 것으로 취급합니다. 이것이 바로 Provenance.UNTRUSTED의 존재 목적 전체입니다. 따라서 API 사용이 허용된 호출자, 테넌트, 다운스트림 서비스, 공유 배포 환경의 저권한 사용자가 호스트에서 임의 파일 쓰기로 권한을 상승시킵니다. 이것이 PR:L이며, 7.5가 아닌 6.5가 나오는 이유입니다.
pypdf는 공식 이미지에 포함되어 있지 않습니다. 보안 권고문은 포함되어 있다고, 따라서 추가 설치가 필요 없다고 명시합니다. unclecode/crawl4ai:0.9.2에서 pip list는 Crawl4AI 0.9.2와 pillow 12.3.0만 보고하며, find / -iname 'pypdf*'는 아무것도 반환하지 않습니다. 이것이 없으면 NaivePDFProcessorStrategy.__init__가 ImportError를 발생시키므로, 쓰기 공격은 crawl4ai[pdf] extra를 설치했거나 커스텀 이미지를 빌드한 배포 환경을 필요로 합니다.
이 실패 자체가 유용한데, 쓰기가 실제로 일어나지 않고도 게이트 우회를 입증하기 때문입니다. ImportError는 생성 호출 내부에서 표면화됩니다:
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...")
신뢰할 수 없는 image_save_dir가 전략 생성자에 도달했습니다. 이 값은 버려지지도, 거부되지도 않았습니다. 그것과 쓰기 사이에 남은 유일한 장벽은 누락된 라이브러리뿐입니다.
이그레스는 통제됩니다. 0.9.2의 egress_broker.py는 기존의 블록리스트를 단일 규칙, 즉 reject any resolved IP where not ip.is_global로 대체하여, 주소를 한 단계에서 확인하고 고정함으로써 공격자가 제어하는 두 번째 확인이 사용될 수 없도록 했습니다. 실제 공격자는 조작된 PDF를 공개 URL에 호스팅하며, 이 규칙은 이를 허용합니다. 실습 환경은 인터넷에 접근할 수 없으므로, 프로젝트 자체에서 문서화한 운영자용 탈출구인 CRAWL4AI_ALLOW_INTERNAL_URLS=true를 설정하는데, 이는 순전히 루프백 HTTP 서버가 해당 공개 호스트를 대신할 수 있게 하기 위함입니다. 그 플래그가 애플리케이션을 취약하게 만드는 것은 아니며, 실제 배포에서는 필요하지 않습니다.
공격자가 선택하는 것은:
/DCTDecode를 통해 바이트 단위로 지정됩니다.공격자는 파일 이름을 선택하지 못합니다. _extract_images()는 이를 page_<page>_img_<n>으로 구성하고 with_suffix()가 확장자를 강제하므로, 결과물은 page_1_img_1.jpg 및 그 형제 파일들입니다. 이는 authorized_keys, 임포트 경로상의 .py, 또는 cron.d 항목처럼 특정 이름에 의존하는 고전적인 쓰기-에서-RCE 대상들을 배제하며, 기존 파일은 이미 정확히 그 이름을 가지고 있는 경우에만 덮어쓰여집니다. 이는 코드 실행이 입증되지 않았다는 권고문의 진술과 일치하며, 여기서도 코드 실행을 주장하지 않습니다. 컨테이너는 root가 아닌 uid=999(appuser)로 실행됩니다.
남는 것은 실제 무결성 원시 요소입니다. 즉, 서비스 내부의 선택된 경로에 선택된 바이트를 심는 것으로, 이는 해당 디렉터리가 공급하는 모든 것(정적 마운트, 캐시, 공유 볼륨, 아티팩트 경로)을 오염시키기에 충분하고 디스크를 소모하기에도 충분합니다.
로그를 읽을 때 알아둘 만한 운영상의 세부 사항 하나: 0.9.2에서는 파일이 이미 디스크에 있는 상태에서도 API가 HTTP 500으로 응답합니다. 크롤 파이프라인이 이미지가 기록된 후에 오류를 발생시키므로, 500이 시도가 실패했다는 증거는 아닙니다.
./lab/setup.sh
0.9.2를 :11235에, 0.9.3을 :11236에 띄우고, 두 컨테이너 모두에 pdf 추가 기능을 설치하여 비교가 잘못된 이유로 실패하지 않도록 하며, 토큰을 출력합니다. 이 환경에는 docker 브리지가 없으므로 --network host와 서로 다른 API 포트를 사용합니다.
취약한 빌드에 대해:
python3 exploit.py --target http://127.0.0.1:11235 \
--token labtoken-cve91940 \
--write-dir /tmp/write-proof \
--payload "proof-$(date +%s)"
docker exec c4ai-vuln sh -c 'ls -l /tmp/write-proof; cat /tmp/write-proof/page_1_img_1.jpg'
The harness는 PDF를 생성하고, 호스팅하고, 요청을 전송하고, 판정을 보고합니다. 해당 디렉터리는 요청 전에는 존재하지 않았으며, 요청 후에는 페이로드 바이트를 담고 있습니다.
고정된 빌드에 대해, 동일한 요청은:
HTTP 400
{"detail":"Rejected config: field 'save_images_locally' is not permitted on
PDFContentScrapingStrategy from an untrusted request"}