要挡住伪装文件，仅检查扩展名远远不够。选择文件上传接口恶意载荷检测策略时，先看允许上传哪些格式、文件会不会被在线预览或继续处理，再组合检测手段。下面比较五种常见方案，重点说明它们能发现什么、不能保证什么。
五种方案分别查什么
| 方案 | 主要检查 | 优势与局限 |
|---|---|---|
| 扩展名与 MIME 白名单 | 文件名后缀及请求中的媒体类型 | 实施简单、成本低；两项信息都可被提交者伪造，不能单独作为安全判断。 |
| 文件魔数识别 | 文件开头的格式特征，也称文件签名 | 能识别常见类型伪装；无法证明文件内部结构安全，也可能遇到复合格式或签名缺失。 |
| 格式解析与结构校验 | 文件能否由对应解析器读取，结构、字段是否符合预期 | 可发现损坏文件和部分异常结构；解析器本身也可能有漏洞，必须及时更新并限制资源。 |
| 反病毒与规则扫描 | 已知恶意样本特征、特征码或自定义规则 | 对已知威胁有价值；新型或改写载荷可能漏检，扫描结果不等于绝对安全。 |
| 沙箱与内容消毒重建 | 隔离环境中的运行行为，或重建文档内容 | 能补充静态检测、降低活动内容风险；资源和集成成本较高，重建后也需复核格式与业务可用性。 |
按上传类型组合，而不是押注单一工具
图片和普通文档
先用扩展名白名单缩小范围，再比对服务端推断的媒体类型与文件魔数。随后调用对应解析器验证结构，并检查尺寸、页数等业务限制。Apache Tika 可用于媒体类型识别，但类型判断不是恶意检测；图片如需公开展示，可在隔离环境解码后重新编码，减少保留异常元数据或附加内容的风险。
PDF、Office 文件与压缩包
这类格式可能包含脚本、宏、外部引用或嵌套文件。可将 ClamAV 等反病毒扫描接在格式校验之后；若文件会被自动打开、转换或索引，再考虑沙箱分析。压缩包要限制解压后的总大小、文件数量和嵌套层数，避免压缩炸弹耗尽磁盘或处理资源。PDF、Office 文档若业务允许，可评估内容消毒与重建（CDR）；它可能移除活动内容，也可能改变排版或功能，需由业务验收。
可执行的落地顺序
- 列出允许格式。按业务逐项确认扩展名、最大大小及是否接受压缩包、宏文档、SVG 等复杂格式；不需要的类型直接拒绝。
- 服务端重新识别。不要信任客户端文件名和 MIME 声明；用文件魔数及相应解析器交叉判断，类型不一致或解析失败就拒绝或隔离。
- 隔离后扫描。上传文件先存入非公开目录或隔离存储，完成反病毒扫描；高风险格式按需送沙箱或 CDR 处理。
- 审核结果再发布。只有通过策略的文件才转入可访问位置。使用随机存储名，下载时设置合适的内容类型与附件响应，避免把上传内容当作站点页面直接执行。
- 记录并维护。记录检测结果、规则版本和失败原因，定期更新扫描引擎与解析器；通过正常样本和安全测试样本验证规则，避免误拦截业务文件。
怎么选：先满足基础，再按风险加码
资源有限时，优先落实白名单、魔数校验、格式解析、隔离存储和反病毒扫描；它们适合作为多数上传流程的基础组合。文件会被自动处理、面向公众下载，或包含高风险活动内容时，再增加沙箱或 CDR。方案比较的关键不是检测项越多越好，而是每一步有明确拒绝条件、失败时默认隔离，并能承担对应的运行与维护成本。文件上传接口恶意载荷检测策略应随允许格式和处理方式调整，不能把某个扫描器的“未发现威胁”当作安全保证。
常见问题
只校验扩展名和 MIME 可以吗？
不可以。它们主要用于初步筛选，提交者可以伪造；至少还应做服务端魔数识别和格式解析。
文件魔数能判断文件是否安全？
不能。它帮助识别格式，不会全面检查文件内部载荷、脚本或解析器漏洞。
反病毒扫描没报毒就能公开文件吗？
不能据此保证安全。应结合文件类型、解析结果和用途决定是否隔离、重建或进一步分析。
所有上传文件都需要沙箱吗？
通常不必。沙箱更适合自动处理或风险较高的文件；是否采用要权衡分析收益、运行资源与处理时延。
