文章前言:

随着 AI 技术在日常办公与企业协作中的广泛普及,以 OpenClaw 为代表的智能自动化工具凭借高效、灵活的扩展能力,迅速成为提升工作效率的重要支撑。其与飞书等平台的深度集成,极大简化了流程操作,让 AI 能力真正走进业务场景,为用户带来切实便利。然而,在工具快速迭代与广泛应用的背后,安全问题同样不容忽视。 本文将结合关键代码,对 OpenClaw 低于 2026.2.14 版本中 Feishu 扩展存在的服务端请求伪造(SSRF)漏洞成因与官方修复方案进行简要分析,为相关开发者及安全从业人员提供参考。

一、漏洞基础信息

项目

内容

CVE编号

CVE-2026-28451

漏洞简介

OpenClaw版本 < 2026.2.14 的Feishu扩展存在服务端请求伪造(SSRF)漏洞,攻击者可通过sendMediaFeishu函数和markdown图片处理功能,在没有SSRF防护的情况下获取攻击者控制的远程URL,并将响应重新上传为Feishu媒体文件

影响版本

< 2026.2.14

修复版本

>= 2026.2.14

二、源码获取与定位

2.1 源码下载地址

https://codeload.github.com/openclaw/openclaw/zip/refs/tags/v2026.2.13

三、漏洞成因分析

前置知识:

fetch 方法介绍:

fetch 是现代浏览器和 Node.js 提供的HTTP 请求 API,用于异步获取网络资源。

3.1 漏洞代码逻辑缺陷

ssrf1: sendMediaFeishu函数的URL直接获取

漏洞代码(受影响版本):

定位sendMediaFeishu函数

extensions/feishu/src/media.ts#sendMediaFeishu()

将获取到的参数mediaUrl的值直接传入fetch方法

export async function sendMediaFeishu(params: {

  // 漏洞核心: 直接使用fetch()获取mediaUrl,无SSRF防护
  if (mediaUrl) {
    // 问题1: 没有验证URL是否指向内网地址
    // 问题2: 没有大小限制,可能导致资源耗尽
    const response = await fetch(mediaUrl);  // 直接fetch!
    const buffer = Buffer.from(await response.arrayBuffer());
  }
}


疑问???
漏洞利用的时候怎么确保触发sendMediaFeishu 这个方法呢?

要解决这个疑问,首先我们要明白AI 工具调用的核心原理是什么?

在 OpenClaw 系统中,从用户输入到工具执行的完整流程如下:

用户输入提示词
        ↓
[1] 意图理解与语义分析 (LLM)
        ↓
[2] 工具选择与匹配 (Tool Registry)
        ↓
[3] 参数提取与验证 (Parameter Parsing)
        ↓
[4] 工具函数执行 (sendMediaFeishu)
        ↓
[5] 结果返回与展示

可以看到,我们在发送提示词后LLM会先根据我们的语义分析去理解我们的意图,其中包括语义匹配/参数匹配/上下文一致性,然后根据我们的意图去选择相应的工具来处理,所以我们就需要在输入的问题中构造我们的提示词从而让LLM相应得调用sendMediaFeishu,也就是我们希望它调用得方法,从而触发漏洞利用,这就是网上常说得提示词注入攻击,通过恶意构造得提示词来让模型执行攻击者想要达到的效果

当然,前提是模型没有做相对应的防御措施,这里我简单列举一下三种情况:

  1. AI 决策层: 缺少执行前的安全检查
  2. 工具定义层: 工具描述过于宽泛,没有安全边界
  3. 函数实现层: 就如我们现在分析的这个,就是直接 fetch,没有 SSRF 防护


我们看一下修复后的代码(2026.2.14)

修复后的代码:

使用加固的loadWebMedia()替代直接fetch

loadWebMedia - 内置 SSRF 防护

ssrf2: DocX Markdown图片处理

漏洞代码:

extensions/feishu/src/docx.ts#processImages

processImages 函数用于处理 Markdown 中的图片并上传到飞书文档

截至到downloadImage都没有发现任何过滤方法,跟进downloadImage查看实现

可以看到downloadImage接受到url参数后直接将值传到了fetch()发起请求,没有丝毫过滤,导致了ssrf漏洞的出现

漏洞原理:

  • 处理用户提供的markdown内容时,提取图片URL
  • 直接使用fetch(imageUrl)获取图片,同样缺少SSRF防护
  • 攻击者可在markdown中嵌入内网URL,实现SSRF攻击

​

代码修复:

使用安全的fetchRemoteMedia()

把不受控的原生网络请求,交给飞书官方受控的安全媒体接口处理,让平台层拦截所有 SSRF、大小溢出、文件类型风险。


参考链接

https://nvd.nist.gov/vuln/detail/CVE-2026-28451