マジックバイトとは?
マジックバイトは、実際のファイル形式を識別する短いシグネチャーで、通常はファイル先頭の数バイトです。ファイル名にかかわらず、PNG は必ず 89 50 4E 47 のバイト列で、PDF は %PDF で始まります。
マジックバイトの仕組み
ほとんどのファイル形式は固定のシグネチャーで始まり、ソフトウェアは名前を信用せずに形式を認識できます。Unix の file コマンドなどのツールは、ファイルの先頭を既知のシグネチャーの表と照合します。一部の形式では、シグネチャーが先頭より後にあります。MP4 ファイルでは 4 バイト目に ftyp があり、tar アーカイブでは 257 バイト目に ustar があります。
要点
- 一般的なシグネチャーの十六進表記:JPEG は
FF D8 FF、PNG は89 50 4E 47、GIF は47 49 46 38、PDF は25 50 44 46、ZIP は50 4B 03 04。 - DOCX、XLSX、JAR、APK ファイルはいずれも ZIP アーカイブのため、ZIP のシグネチャーを共有しています。区別するには、アーカイブの内部を調べる必要があります。
- CSV、JSON、大半のソースコードなどのプレーンテキスト形式にはマジックバイトがないため、内容から種類を推測する必要があります。
マジックバイトが重要になる場面
ファイルの拡張子は誰でも変更できるため、アップロードを受け付ける際はマジックバイトを確認してください。マジックバイトでわかるのはファイルの種類であり、安全性ではありません。本物の PDF にも有害な内容が含まれる場合があります。
マジックバイトに役立つ Transloadit の機能
Transloadit は、アップロードされたすべてのファイルの内容をサーバー上で調べ、検出した種類を mime として報告するため、ブラウザーが申告した種類に依存しません。Robot /file/filter は、この値を使ってファイルを受け入れるか拒否するかを判断できます。たとえば、条件 ["${file.mime}", "regex", "image"] を使用できます。