
CVE-2026-91940: произвольная запись файлов в crawl4ai <=0.9.2 через шлюз недоверенной конфигурации (PDFContentScrapingStrategy image_save_dir). Анализ, стенд для воспроизведения и проверенная граница между 0.9.2 и 0.9.3.
| CVE | CVE-2026-91940 |
| Продукт | crawl4ai, ~84k звёзд |
| Затронуто | >= 0.9.0, <= 0.9.2 |
| Исправлено | 0.9.3 |
| Класс | CWE-22, произвольная запись файлов (каталог, выбранный атакующим, побайтно точное содержимое) |
| Привилегии | вызывающий, способный достичь POST /crawl. См. Привилегии |
| Вердикт | ПОДТВЕРЖДЕНО УЯЗВИМ на 0.9.2, ИСПРАВЛЕНО на 0.9.3, оба воспроизведены от начала до конца |
| CVSS 3.1 | 6.5 AV:N/AC:L/PR:L/UI:N/S:U/C:N/I:H/A:N (NVD публикует 7.5 с PR:N, что не выполняется для 0.9.2) |
| Рекомендация | GHSA-xpp7-j28w-2gvx |
HTTP API crawl4ai принимает объект конфигурации внутри тела запроса. Поскольку тело
контролируется атакующим, проект построил для него границу доверия: конфигурации, загруженные с
Provenance.UNTRUSTED, проходят через шлюз, который должен отбрасывать или отклонять любое
поле, которое недоверенный вызывающий не должен устанавливать.
Этот шлюз отказывает в открытом состоянии для одного достижимого класса. PDFContentScrapingStrategy явно
конструируется из недоверенного тела, но не имеет списка разрешённых полей, а правило шлюза для
«нет списка разрешённых» — «оставить всё». Поэтому его image_save_dir достигает PDF-процессора
нетронутым, и процессор создаёт этот каталог и записывает изображения полученного PDF
в него без проверки на ограничение. Результат — запись в любой каталог, до которого
может добраться учётная запись службы, с содержимым, предоставленным вызывающим.
1. Конечная точка помечает тело как недоверенное (deploy/docker/server.py):
crawler_config = CrawlerRunConfig.load(
crawl_request.crawler_config, provenance=Provenance.UNTRUSTED
)
2. Шлюз сохраняет каждое поле типа, для которого нет списка разрешённых полей (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. Стратегия PDF достижима, но не имеет ни списка разрешённых, ни списка запрещённых полей.
UNTRUSTED_ALLOWED_TYPES содержит PDFContentScrapingStrategy, поэтому тело может создать её
через CrawlerRunConfig.scraping_strategy. Но UNTRUSTED_FIELD_ALLOWLIST имеет ключи только
для BrowserConfig и CrawlerRunConfig, и UNTRUSTED_FORBIDDEN_FIELDS аналогично. Таким образом,
allowlist равен None, forbidden пуст, а extract_images, save_images_locally и
image_save_dir все сохраняются.
4. Приёмник доверяет этому пути (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)
Принимается абсолютный путь, каталоги создаются рекурсивно, проверка принадлежности хранилищу через realpath отсутствует. Затем _extract_images() записывает туда каждое изображение из PDF.
5. PDF загружается самой стратегией. PDFContentScrapingStrategy.scrap() вызывает
self._get_pdf_path(url), который скачивает URL независимо от браузерного этапа краулера.
Таким образом, записываемые байты берутся из файла, размещённого атакующим.
Эта часть отсутствует в рекомендации по безопасности, где лишь говорится «байты, контролируемые атакующим», без указания способа. Только ветка /FlateDecode в _extract_images() проходит через PIL
(img.save(final_path)) и поэтому перекодируется в PNG. Остальные три ветки записывают
необработанный поток PDF:
PDF /Filter | записываемое расширение | способ записи |
|---|---|---|
/DCTDecode | .jpg | open(final_path, 'wb').write(data) |
/CCITTFaxDecode | .tiff | то же самое, причём заголовок TIFF добавляется в начало только когда data[:4] != b'II*\x00' |
/JPXDecode | .jp2 | то же самое |
/FlateDecode | .png | перекодируется через PIL, поэтому не побайтово точное |
Таким образом, встраивание полезной нагрузки в виде XObject-изображения /DCTDecode помещает эти точные байты на
диск. Это было подтверждено сравнением контрольных сумм: md5 файла, записанного на сервере,
совпадает с md5 полезной нагрузки, переданной в exploit.py.
NVD оценивает это как PR:N. На сборке 0.9.2 это не выполняется, и разница была
измерена, а не предположена.
Образ содержит auth_gate.py — AuthGateMiddleware с отказом по умолчанию, смонтированный на самом внешнем
слое ASGI. Его собственный docstring объясняет, зачем он существует:
Прежний дизайн определял аутентификацию в зависимости FastAPI на уровне маршрута, которая, когда
jwt_enabledбыл false (по умолчанию), возвращалаlambda: None, поэтому каждыйDepends(token_dep)был декоративным, и весь API был открыт.
Теперь он охватывает каждый маршрут, монтирование и подприложение, HTTP и WebSocket, и отклоняет запрос
без действительных учётных данных до запуска любого обработчика. Вдобавок, когда не задан
CRAWL4AI_API_TOKEN, точка входа привязывается только к loopback и логирует эфемерный токен
для этой сессии. Запрос без учётных данных получает:
HTTP/1.1 401
{"detail": "Authentication required"}
Уязвимость по-прежнему реальна, и причина важна: crawl4ai рассматривает тело запроса как недоверенное даже когда оно поступает от легитимного вызывающего API. В этом и заключается весь смысл Provenance.UNTRUSTED. Таким образом, вызывающий, которому разрешено использовать API, арендатор, нижестоящий сервис, низкопривилегированный пользователь общего развёртывания, повышает привилегии до произвольной записи файлов на хосте. Это PR:L, откуда и берётся оценка 6.5 вместо 7.5.
pypdf отсутствует в официальном образе. В рекомендации утверждается, что он там есть и, следовательно, дополнительная установка не требуется. В unclecode/crawl4ai:0.9.2 команда pip list показывает только Crawl4AI 0.9.2 и pillow 12.3.0, а find / -iname 'pypdf*' ничего не возвращает. Без него NaivePDFProcessorStrategy.__init__ вызывает ImportError, поэтому для записи требуется развёртывание, в котором установлен extra crawl4ai[pdf] или собран пользовательский образ.
Этот сбой сам по себе полезен, поскольку доказывает обход проверки без фактического выполнения записи. ImportError возникает внутри вызова конструктора: