在解包之前对带入介质做检疫

目标

编写一个检疫器：在解压导入介质的压缩包之前，只读取列表，判定规模、危险条目、压缩比和格式不一致；再用提取过滤器逐条筛选，解压到隔离目录，并撰写附有依据哈希的导入判定书。

为什么重要

进入隔离网络的东西，大多是人带来的介质，里面装着一个压缩包。为了看里面而解压的那一行命令，本身就已经是在触碰文件系统。绝对路径、上级路径逃逸、指向外部的链接、特殊文件、压缩炸弹，都是在解压的瞬间发生作用。 tar 头部写着名称、大小、权限、条目类型和链接目标，所以不解压也能把这五项全部看到。因此要改变顺序：先读取，做出判定，附带条件地解压。 判定书上必须附带依据。哪个归档的哪个哈希，用哪份报告读取，该报告得出了什么原因，这些必须连起来，合作方才知道该改什么，审查人员也才能再次作出同样的判定。 评分器不会相信你写的文字。它会亲自打开归档，自己计算应当得出的值，并按运行约定重新运行你的检疫器，连其输出也一并核对。

步骤

1. 用生成脚本创建两个介质，并在受理登记簿 /root/media/intake.tsv 中写入序列号、接收时间、提交者角色、外层哈希、大小。
2. 创建 /root/media/inspect.py，不解压 MEDIA-2609-017，只读取列表，把条目数、总解压大小、最大条目写入 /root/media/report/MEDIA-2609-017.json。
3. 在 inspect.py 中加入 danger 分类。设置 absolute、traversal、escaping_link、special、exec_bit 五栏，没有对应项的栏也保留为空列表。
4. 在 inspect.py 中加入 ratio 和 ratio_verdict。总解压大小除以压缩包大小所得的值超过 100，则为 bomb。
5. 在 inspect.py 中加入 mismatch。把扩展名所说的格式与开头字节所说的格式不同的条目，用 name、declared、actual 写出。
6. 在 inspect.py 中加入 --extract-to，用 data 过滤器逐条判定，解压到 /root/media/quarantine/MEDIA-2609-017，并在报告中写入 extracted 和 rejected。
7. 用 /root/media/decide.py 把报告转换成导入判定书 /root/media/report/verdict-MEDIA-2609-017.json。写入 media、archive_sha256、report_sha256、decision、reasons、accepted_entries、rejected_entries。
8. 把同一个检疫器和同样的判定规则用于 MEDIA-2609-018，生成 /root/media/report/MEDIA-2609-018.json 和 /root/media/report/verdict-MEDIA-2609-018.json，并写出把两个介质并排放置的 /root/media/report/compare.tsv。

参考

• 运行约定：python3 /root/media/inspect.py --archive <매체> --out <보고서> [--extract-to <디렉터리>]。判定规则是 python3 /root/media/decide.py --report <보고서> --out <판정서>。评分器会按这个约定亲自重新运行。
• 介质是 /root/media/in/MEDIA-2609-017.tar.gz 和 /root/media/in/MEDIA-2609-018.tar.gz，隔离目录是 /root/media/quarantine/<일련번호>。
• 判定规则（本实验的假设）：只要有 absolute、traversal、escaping_link、special、bomb 中的任何一项，就是 reject；原因只有 exec_bit 或 mismatch，就是 quarantine；什么都没有，就是 accept。reasons 是把原因名称排序后的列表。
• 列表用 tar -tvf 读取，Python 用 tarfile.open(...).getmembers() 读取。逐条判定由 tarfile.data_filter(member, dest) 给出。
• 开头字节用 od -An -tx1 -N8 或 Python 查看。因为有混入 NUL 的条目，用 grep、head 无法正确查看。
• 常见错误：只对 extractall() 设置过滤器，遇到第一个拒绝就停止；重新生成报告后，判定书的哈希原封不动；把 danger 中的空栏整个去掉。
• 本实验是隔离网络，所以没有 zip、unzip、xz、gpg。只使用 tar 和 gzip。

打开介质之前先写受理登记簿

用生成脚本创建两个介质，并在 /root/media/intake.tsv 中写入 1 行表头和 2 行介质。各栏是 serial、received_at、submitter_role、sha256、bytes，用制表符分隔。

没有从外部获取的样本，所以用 python3 亲自创建。种子和 mtime 是固定的，运行多少次都会得到同样的介质。哈希不解压归档，直接对文件本身计算——这个值是日后追问“这是不是当时收到的那个文件”的唯一依据。提交者不写人名，而写角色。

不解压，只读取列表来测量规模

让 /root/media/inspect.py 不解压 MEDIA-2609-017，只读取头部，把 archive_sha256、compressed_bytes、entries、total_uncompressed_bytes、largest_entry_bytes、largest_entry_name 写入 /root/media/report/MEDIA-2609-017.json。

tarfile.open(路径, 'r:gz').getmembers() 会原样返回头部列表。每个条目的 size 是头部中写的值，所以不需要读取内容。archive_sha256 是归档文件本身的哈希，compressed_bytes 是该文件的大小。

把危险条目分成五类

让 inspect.py 在报告中加入 danger。在 absolute、traversal、escaping_link、special、exec_bit 五栏中写入条目名称列表，没有对应条目的栏也保留为空列表。

名称以斜杠开头的就是绝对路径。上级路径逃逸不是看字符串里有没有 '..'，而是按层级计算深度来判定。链接请把 issym 和 islnk 分开看——符号链接以它自己所在位置为基准，硬链接以归档根为基准。特殊文件是 ischr、isblk、isfifo。

用压缩比识别炸弹

让 inspect.py 在报告中加入 ratio 和 ratio_verdict。ratio 是总解压大小除以压缩包大小，并在小数点后第二位四舍五入所得的值，超过 100 则 ratio_verdict 为 bomb，否则为 ok。

两个值报告里都已经有了。不要解压后再测量——那就变成了为了判定炸弹而去解压炸弹。把阈值提取成常量，下一个人就可以按所在组织的标准修改。

核对扩展名与实际格式

让 inspect.py 在报告中加入 mismatch。对于普通文件中，扩展名所说的格式与开头字节所说的格式不同的条目，用 name、declared、actual 写出。

extractfile 不会解压到磁盘，只是打开一个流。开头的 512 个字节就足够了。gzip 以 1f 8b 开头，ELF 以 7f 45 4c 46 开头。开头出现 NUL 的话就不是文本。不知道扩展名的条目不要判定，直接跳过——把不了解的情况写成错误，清单就没法用了。

用提取过滤器逐条筛选后解压

在 inspect.py 中加入 --extract-to，用 data 过滤器逐条判定，并解压到 /root/media/quarantine/MEDIA-2609-017。在报告中写入 extracted 数量和 rejected 列表（name、reason）。

如果只对 extractall 设置 filter='data'，遇到第一个拒绝就会抛出异常而停止。对每个条目亲自调用 tarfile.data_filter(member, dest)，接住 FilterError，被拒绝的条目和原因就能一次性汇总。reason 请直接使用异常类的名称。只把没有被拒绝的条目收集起来，最后一次性解压。

撰写附有依据哈希的导入判定书

用 /root/media/decide.py 读取报告，生成 /root/media/report/verdict-MEDIA-2609-017.json。写入 media、archive_sha256、report_sha256、decision、reasons、accepted_entries、rejected_entries。

判定规则写在说明的“参考”一节中。reasons 是把 danger 中非空的栏名称，再加上 bomb 和 mismatch 之后排序得到的列表。report_sha256 是 sha256sum /root/media/report/MEDIA-2609-017.json 的值——重新生成报告的话，这个值也要重新填写。这一步不是把被拦下的条目修改一下就让它通过。

看第二个介质的判定是否会不同

把同样的检疫器和同样的判定规则用于 MEDIA-2609-018，生成报告和判定书，并写出把两个介质并排放置的 /root/media/report/compare.tsv。表头是 media、entries、ratio、ratio_verdict、danger、mismatch、rejected、decision。

不要重新编写，直接使用前面创建的两个脚本。danger 一栏是五类条目数量的总和。如果流程对值没有反应，总是给出同样的答案，那就不是检疫，而是盖章——请看两行的 decision 是否会不同。