Вложенные файлы в PDF: как найти, извлечь и проанализировать их содержимое

PDF умеет хранить внутри себя не только текст и картинки, но и полноценные файлы: таблицы Excel, архивы, документы Word, изображения и даже исполняемые программы. Такая вложенность удобна для передачи комплектов документов одним файлом, но она же делает PDF непрозрачным: глядя на страницу, вы не видите, что «спрятано» внутри. В этой статье разберём, как проверить документ на наличие вложений, как извлечь их без риска и что делать с извлечённым содержимым дальше.

Главный принцип: сначала анализ структуры файла, потом извлечение, и только затем открытие вложений. Открытие подозрительного PDF двойным щелчком — худший первый шаг, потому что часть просмотрщиков автоматически запускает обработку вложений.

Зачем вообще проверять PDF на вложенные файлы

Практических причин несколько, и они встречаются чаще, чем кажется:

  • Безопасность. Вложения — один из каналов доставки вредоносного кода. Фишинговые письма нередко содержат PDF с прикреплённым архивом или скриптом внутри.
  • Полнота комплекта документов. Тендеры, отчётность, проектная документация часто сдаются одним PDF со вложенными исходниками. Нужно убедиться, что всё на месте.
  • Служебные данные. Внутри могут оказаться черновики, предыдущие версии файлов, персональные данные или конфиденциальная информация, которую автор не собирался показывать.
  • Юридическая значимость. Если PDF используется как доказательство или официальный документ, важно понимать его полный состав, а не только видимую часть.

Как устроены вложения внутри PDF

Формат PDF (спецификация ISO 32000) предусматривает два основных механизма хранения сторонних файлов:

  • File Attachment Annotations — аннотации типа FileAttachment. Они привязаны к конкретной странице и точке на ней, визуально выглядят как значок скрепки или комментария.
  • Embedded Files / Collections — файлы, встроенные в дерево документа через словарь Names → EmbeddedFiles. Так работают так называемые портфолио PDF (PDF Portfolio), где документ выступает контейнером для набора файлов, иногда с собственным интерфейсом навигации.

Каждое вложение описывается потоком EmbeddedFileStream: в нём лежат сами байты файла, а также метаданные — имя, MIME-тип, дата создания и изменения, размер, иногда контрольная сумма. Именно метаданные позволяют составить «опись» вложений ещё до извлечения.

Отдельный нюанс: имя вложения, которое показывает просмотрщик, может отличаться от реального имени файла внутри потока. Кроме того, расширение в имени ничего не гарантирует о фактическом типе содержимого — это проверяется по сигнатуре (магическим байтам) после извлечения.

Шаг 1. Обнаружение вложений до открытия документа

Начинать стоит с пассивного осмотра, не запуская активное содержимое.

Через обычные просмотрщики

Большинство настольных программ для чтения PDF показывают панель вложений отдельным элементом интерфейса (обычно иконка скрепки в боковой панели). Если панель пуста, это ещё не значит, что вложений нет: некоторые просмотрщики не отображают портфолио или повреждённые записи дерева имён. Поэтому отрицательный результат в одном просмотрщике стоит перепроверить другим инструментом.

Через утилиты командной строки

Для систематической проверки удобнее автоматизация. Типичный набор инструментов:

  • pdfdetach (из пакета Poppler) — команда pdfdetach -list file.pdf выводит список вложений с номерами, именами и размерами.
  • peepdf — анализатор структуры PDF с подсветкой подозрительных объектов: JavaScript, действий запуска, встроенных потоков.
  • pdfid / pdf-parser (Didier Stevens) — быстрый поиск маркеров вроде /EmbeddedFile, /JavaScript, /Launch, /OpenAction прямо в сыром виде файла.
  • ExifTool — показывает метаданные, включая перечень встроенных файлов.

Простейшая ручная проверка без специальных программ: открыть PDF в текстовом редакторе или выполнить поиск подстроки «/EmbeddedFile» по бинарному файлу. Наличие этой строки — признак вложений, хотя сжатые или обфусцированные объекты она может не найти.

Шаг 2. Безопасное извлечение вложений

Когда список получен, файлы можно вытащить наружу. Ключевое правило: извлекать в изолированную папку и не открывать извлечённое на рабочей машине, если происхождение документа вызывает вопросы.

  1. Создайте отдельный каталог вне рабочих папок, желательно на машине без доступа к корпоративной сети.
  2. Извлеките вложения инструментом, который только записывает байты на диск, но не пытается их интерпретировать: например, pdfdetach -saveall file.pdf сохранит все вложения в текущий каталог.
  3. Зафиксируйте контрольные суммы (SHA-256) каждого извлечённого файла — они пригодятся для сопоставления с эталонами и для отчёта.
  4. Определите фактический тип каждого файла по сигнатуре, а не по расширению: утилита file в Linux/macOS или просмотр первых байтов в hex-редакторе.
  5. Только после этого решайте, открывать ли файлы, и где именно это делать.

Если вложений много или они вложены рекурсивно (например, ZIP внутри PDF, а внутри ZIP — ещё один PDF), удобно написать простой скрипт: распаковка архива, повторный поиск вложений, цикл до конца. Для разовых задач хватает ручных шагов.

Шаг 3. Анализ извлечённого содержимого

Дальнейшие действия зависят от типа файла и цели анализа.

Если цель — проверить комплектность документов

Сравните перечень вложений с ожидаемым списком: количество, имена, размеры, даты из метаданных. Расхождения в датах создания и изменения часто выдают замену файла более поздней версией. Для офисных форматов полезно заглянуть во внутренние свойства (автор, приложение, время правок), которые тоже могут рассказать больше, чем видимое содержимое.

Если цель — оценка безопасности

Здесь важна последовательность проверок:

  • Сверьте фактический тип файла с заявленным расширением. Исполняемый код, замаскированный под документ, — классический приём.
  • Проверьте наличие макросов в офисных форматах и скриптов в самом PDF (JavaScript, действия OpenAction, Launch).
  • Посчитайте контрольные суммы и, если есть возможность, сверьте их с базами известных вредоносных образцов через сервисы типа VirusTotal — загрузка туда подходит только для файлов, которые не являются коммерческой тайной.
  • Запускайте сомнительные файлы только в изолированной среде: виртуальная машина со снимком состояния, отключённой сетью или ограниченным доступом.

Если у вас нет опыта анализа вредоносного ПО, разумная граница самостоятельной работы — статические признаки: типы файлов, суммы, строки, метаданные. Динамический запуск оставьте специалистам по ИБ.

Если цель — восстановить исходные материалы

Извлечённые вложения обычно представляют собой исходники, из которых собирали итоговый PDF. Проверьте целостность: открываются ли файлы, совпадает ли содержимое с тем, что видно в самом PDF. Расхождение версий между вложением и видимой частью документа — повод уточнить у отправителя, какая версия является окончательной.

Типичные ошибки при работе с вложениями PDF

  • Открытие документа сразу в полнофункциональном просмотрщике. Некоторые программы выполняют JavaScript или предлагают открыть вложение автоматически. Первичный осмотр делайте статическими средствами.
  • Доверие имени и расширению вложения. Имя задаётся автором документа и может быть любым; фактический тип определяется по содержимому.
  • Игнорирование портфолио. Портфолио PDF внешне выглядит как обычный документ, но содержит десятки файлов. Проверка «на глаз» здесь бессмысленна.
  • Извлечение на рабочую машину с последующим открытием. Даже если файл выглядит как безобидная картинка, ошибка определения типа превращает её в потенциальную угрозу.
  • Удаление вложений без фиксации. При пересылке или очистке документа от лишних файлов сохраните копию оригинала и протокол изменений — иначе потеряется юридическая прослеживаемость.

Удаление вложений: когда это нужно

Обратная задача — очистить PDF перед передачей третьим лицам. Служебные вложения, черновики и внутренние таблицы нередко остаются в файле незаметно для автора. Способы очистки:

  • Пересохранение документа через печать в новый PDF — при этом вложения и интерактивные элементы обычно теряются, но и структура документа меняется.
  • Использование функций удаления вложений в редакторах PDF (в разных программах путь к ним отличается).
  • Командные утилиты, например Ghostscript при пересборке документа, либо qpdf для работы со структурой.

После очистки обязательно перепроверьте результат тем же pdfdetach или аналогом: убедитесь, что список вложений пуст, а видимое содержимое не пострадало.

Сравнение подходов к анализу

Подход Что даёт Ограничения
Просмотрщик с панелью вложений Быстрый визуальный ответ, есть ли вложения Может не показать портфолио и нестандартные записи; не даёт метаданных
Командные утилиты (Poppler, ExifTool) Полный список, размеры, даты, извлечение без запуска Требует базовых навыков работы с консолью
Анализаторы структуры (peepdf, pdf-parser) Глубокий разбор объектов, выявление скриптов и скрытых потоков Избыточны для простых задач, нужен опыт интерпретации
Онлайн-сервисы анализа Быстрая сверка с базами угроз Файл покидает вашу инфраструктуру — неприемлемо для конфиденциальных документов

Практические сценарии

Пришёл PDF от неизвестного отправителя. Не открывайте его основным просмотрщиком. Выполните pdfid или поиск строки «/EmbeddedFile», посмотрите список вложений pdfdetach. Если среди них архивы или исполняемые файлы — работайте только в изолированной среде или передайте в службу ИБ.

Вы готовите тендерный пакет. Соберите финальный PDF, затем проверьте его теми же утилитами: убедитесь, что внутрь не попали черновики, старые сметы и личные файлы, а нужные вложения присутствуют и открываются.

Вы получили архивный PDF и хотите исходники. Извлеките вложения, сверьте даты и версии с видимым текстом, зафиксируйте контрольные суммы для протокола.

Что запомнить

Вложенные файлы — штатная, но плохо видимая часть формата PDF. Любой серьёзный документ стоит проверять на вложения до того, как он открыт, а извлечение выполнять в безопасном окружении и с фиксацией контрольных сумм. Минимальный рабочий набор — просмотрщик с панелью вложений плюс одна консольная утилита вроде pdfdetach — закрывает большинство бытовых и служебных задач. Для подозрительных файлов граница проста: статический анализ допустим, запуск — только в изоляции или руками специалистов.

Материал носит информационный характер и не заменяет профессиональный анализ безопасности. При работе с документами из недоверенных источников, особенно если возможен ущерб для организации, привлекайте специалистов по информационной безопасности и действуйте в соответствии с внутренними регламентами.

PEFile.ru