fix: Origin-Prüfung für HTTP und WebSocket, Härtung von STT/TTS

Der Server lauscht nur auf 127.0.0.1, hatte aber keine Authentifizierung und
mit CORS origin:true jede fremde Origin reflektiert. Da localhost aus jedem
Browser-Tab erreichbar ist, konnte damit jede besuchte Webseite über
/api/sessions und /api/sessions/:id/messages die komplette Chat-Historie
auslesen. Der WebSocket-Upgrade prüfte die Origin ebenfalls nicht — WebSockets
unterliegen nicht der Same-Origin-Policy, wodurch fremde Seiten Chats senden,
Antworten mitlesen und Kosten auf dem OpenRouter-Key erzeugen konnten (CSWSH).

- security.ts: Origin-Allowlist (localhost/127.0.0.1:5173 und :8787, per
  ALLOWED_ORIGINS erweiterbar) und einfacher In-Memory-Rate-Limiter
- CORS auf die Allowlist begrenzt, zusätzlicher onRequest-Hook mit 403
- WebSocket-Handshake weist fremde Origins mit 403 ab
- ffmpeg: Containerformat per Magic Bytes bestimmt statt geraten, dazu
  -protocol_whitelist file — verhindert, dass Demuxer wie concat oder HLS
  auf lokale Pfade und URLs im hochgeladenen Inhalt zugreifen
- Rate-Limits auf /api/stt (10/min) und /api/tts (30/min), Textlänge bei TTS
  begrenzt, bodyLimit und MAX_AUDIO_BYTES auf 8 MB angeglichen
- Fehlerdetails (lokale Pfade, Upstream-Antworten) nur noch ins Server-Log;
  dafür Fastify-Logger aktiviert, sonst wären sie stillschweigend verworfen

Nebenbei: ollama.ts respektiert jetzt OLLAMA_URL statt localhost:11434
hartzukodieren, und ws wandert von devDependencies zu dependencies, da es
zur Laufzeit importiert wird.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01S1NXUpHbxTusqQmsjrFfbU

README.md

@@ -70,6 +70,29 @@ Weitere optionale Variablen mit ihren Defaults:
 | `WHISPER_MODEL`      | `~/whisper-models/ggml-large-v3-turbo.bin`       |
 | `WHISPER_LANG`       | `de`                                             |
 | `PIPER_MODEL`        | `server/voices/de_DE-thorsten-high.onnx`         |
+| `ALLOWED_ORIGINS`    | (leer — siehe Sicherheit)                        |
+
+## Sicherheit
+
+Der Server hat **keine Authentifizierung** und lauscht deshalb bewusst nur auf
+`127.0.0.1`. Das allein genügt aber nicht: Eine beliebige Webseite, die im
+Browser geöffnet ist, kann `localhost` per `fetch()` oder WebSocket erreichen.
+Deshalb prüfen sowohl die HTTP-Endpunkte als auch der WebSocket-Handshake die
+`Origin` gegen eine Allowlist (`server/src/security.ts`) — Standard sind
+`localhost`/`127.0.0.1` auf Port 5173 und 8787.
+
+Läuft das Frontend woanders, die Origin ergänzen:
+
+```bash
+ALLOWED_ORIGINS=http://192.168.1.50:5173
+```
+
+Weitere Maßnahmen: Rate-Limits auf `/api/stt` (10/min) und `/api/tts` (30/min),
+Format-Whitelist per Magic Bytes vor dem `ffmpeg`-Aufruf, und Fehlerdetails
+landen im Server-Log statt in der HTTP-Antwort.
+
+Für externen Zugriff reicht ein Reverse-Proxy **nicht** — davor gehört eine
+echte Authentifizierung.
 
 ## Entwicklung
 
@@ -97,5 +120,5 @@ npm run typecheck
 npm start            # baut das Frontend und startet den Server
 ```
 
-Der Server bindet bewusst nur an `127.0.0.1` — für externen Zugriff einen
-Reverse-Proxy davorschalten.
+Der Server bindet nur an `127.0.0.1`. Zum Aussetzen ins Netz siehe
+[Sicherheit](#sicherheit).

server/package.json

@@ -10,13 +10,13 @@
   },
   "dependencies": {
     "@fastify/cors": "^10.0.1",
-    "fastify": "^5.2.1"
+    "fastify": "^5.2.1",
+    "ws": "^8.18.0"
   },
   "devDependencies": {
     "@types/node": "^22.13.0",
     "@types/ws": "^8.5.14",
     "tsx": "^4.19.3",
-    "typescript": "^5.7.3",
-    "ws": "^8.18.0"
+    "typescript": "^5.7.3"
   }
 }

server/src/index.ts

@@ -6,12 +6,13 @@ import { readFileSync } from "node:fs";
 import path from "node:path";
 import * as dbmod from "./db.js";
 import { streamChat, type OllamaOptions } from "./ollama.js";
-import { transcribeAudio, synthesizeSpeech } from "./voice.js";
+import { transcribeAudio, synthesizeSpeech, MAX_AUDIO_BYTES } from "./voice.js";
 import {
   streamOpenRouter,
   listOpenRouterModels,
   getOpenRouterKey,
 } from "./openrouter.js";
+import { ALLOWED_ORIGINS, isOriginAllowed, createRateLimiter } from "./security.js";
 
 // simple .env loader (project root)
 try {
@@ -29,8 +30,22 @@ try {
 const PORT = Number(process.env.PORT ?? 8787);
 const OLLAMA_URL = process.env.OLLAMA_URL ?? "http://localhost:11434";
 
-const app = Fastify({ logger: false, bodyLimit: 32 * 1024 * 1024 });
-await app.register(cors, { origin: true });
+const app = Fastify({ logger: true, bodyLimit: MAX_AUDIO_BYTES });
+
+// origin:true würde jede fremde Origin reflektieren — damit könnte jede vom
+// Nutzer geöffnete Webseite die komplette Chat-Historie auslesen.
+await app.register(cors, { origin: [...ALLOWED_ORIGINS] });
+
+// Zweite Verteidigungslinie: CORS schützt nur Browser-Clients, die den
+// Response abwarten. Ein fremder Origin wird hier hart abgewiesen.
+app.addHook("onRequest", async (req, reply) => {
+  if (!isOriginAllowed(req.headers.origin)) {
+    return reply.code(403).send({ error: "origin not allowed" });
+  }
+});
+
+const sttLimiter = createRateLimiter(10, 60_000);
+const ttsLimiter = createRateLimiter(30, 60_000);
 
 app.addContentTypeParser(
   ["application/octet-stream", "audio/*", "video/*"],
@@ -60,7 +75,8 @@ app.get("/api/model", async () => {
       capabilities: data.capabilities ?? [],
     };
   } catch (err) {
-    return { ok: false, error: String(err) };
+    app.log.error({ err }, "Ollama /api/show fehlgeschlagen");
+    return { ok: false, error: "Ollama nicht erreichbar" };
   }
 });
 
@@ -81,6 +97,9 @@ app.delete("/api/sessions/:id", async (req) => {
 
 // --- Voice ---
 app.post("/api/stt", async (req, reply) => {
+  if (!sttLimiter(req.ip)) {
+    return reply.code(429).send({ ok: false, error: "Zu viele Anfragen" });
+  }
   const audio = req.body as Buffer;
   if (!Buffer.isBuffer(audio) || audio.length === 0) {
     return reply.code(400).send({ ok: false, error: "Kein Audio empfangen" });
@@ -89,26 +108,35 @@ app.post("/api/stt", async (req, reply) => {
     const text = await transcribeAudio(audio);
     return { ok: true, text };
   } catch (err) {
-    app.log.error(err);
+    // Details nur ins Server-Log: whisper/ffmpeg-Fehler enthalten lokale Pfade.
+    app.log.error({ err }, "STT fehlgeschlagen");
     return reply
       .code(500)
-      .send({ ok: false, error: err instanceof Error ? err.message : String(err) });
+      .send({ ok: false, error: "Transkription fehlgeschlagen (Details im Server-Log)" });
   }
 });
 
+const TTS_MAX_CHARS = 8000;
+
 app.post("/api/tts", async (req, reply) => {
+  if (!ttsLimiter(req.ip)) {
+    return reply.code(429).send({ error: "Zu viele Anfragen" });
+  }
   const { text } = (req.body ?? {}) as { text?: string };
   if (!text || !text.trim()) {
     return reply.code(400).send({ error: "text fehlt" });
   }
+  if (text.length > TTS_MAX_CHARS) {
+    return reply.code(413).send({ error: `Text länger als ${TTS_MAX_CHARS} Zeichen` });
+  }
   try {
     const wav = await synthesizeSpeech(text);
     reply.header("Content-Type", "audio/wav").send(wav);
   } catch (err) {
-    app.log.error(err);
+    app.log.error({ err }, "TTS fehlgeschlagen");
     return reply
       .code(500)
-      .send({ error: err instanceof Error ? err.message : String(err) });
+      .send({ error: "Sprachausgabe fehlgeschlagen (Details im Server-Log)" });
   }
 });
 
@@ -120,7 +148,8 @@ app.get("/api/openrouter/models", async () => {
   try {
     return { ok: true, models: await listOpenRouterModels() };
   } catch (err) {
-    return { ok: false, error: err instanceof Error ? err.message : String(err) };
+    app.log.error({ err }, "OpenRouter-Modellliste fehlgeschlagen");
+    return { ok: false, error: "Modellliste nicht abrufbar" };
   }
 });
 
@@ -290,6 +319,16 @@ wss.on("connection", (socket: WebSocket, _req: IncomingMessage) => {
 const server = app.server;
 server.on("upgrade", (req, socket, head) => {
   const url = new URL(req.url ?? "", "http://localhost");
+
+  // WebSockets unterliegen nicht der Same-Origin-Policy: ohne diese Prüfung
+  // könnte jede fremde Seite eine Verbindung aufbauen, Chats senden, Antworten
+  // mitlesen und Kosten auf dem OpenRouter-Key erzeugen (CSWSH).
+  if (!isOriginAllowed(req.headers.origin)) {
+    socket.write("HTTP/1.1 403 Forbidden\r\n\r\n");
+    socket.destroy();
+    return;
+  }
+
   if (url.pathname === "/ws") {
     wss.handleUpgrade(req, socket, head, (ws) => wss.emit("connection", ws, req));
   } else {

server/src/ollama.ts

@@ -11,6 +11,9 @@ export interface StreamCallbacks {
   onDone(): void;
 }
 
+/** Muss zum OLLAMA_URL in index.ts passen — vorher war der Host hier hartkodiert. */
+const OLLAMA_URL = process.env.OLLAMA_URL ?? "http://localhost:11434";
+
 interface ChatChunk {
   message?: { content?: string; thinking?: string };
   done?: boolean;
@@ -38,7 +41,7 @@ export async function streamChat(
     },
   };
 
-  const res = await fetch("http://localhost:11434/api/chat", {
+  const res = await fetch(`${OLLAMA_URL}/api/chat`, {
     method: "POST",
     headers: { "Content-Type": "application/json" },
     body: JSON.stringify(body),

server/src/security.ts

@@ -0,0 +1,60 @@
+/**
+ * Schutz gegen Cross-Origin-Zugriff durch beliebige Webseiten.
+ *
+ * Der Server lauscht nur auf 127.0.0.1 — das verhindert aber keinen Zugriff
+ * durch Seiten, die der Nutzer im Browser geöffnet hat: Ein fetch() oder
+ * WebSocket aus einem fremden Tab erreicht localhost problemlos. Da es keine
+ * Authentifizierung gibt, ist die Origin-Prüfung die einzige Grenze.
+ */
+
+const DEFAULT_ORIGINS = [
+  "http://localhost:5173",
+  "http://127.0.0.1:5173",
+  "http://localhost:8787",
+  "http://127.0.0.1:8787",
+];
+
+/** Zusätzliche Origins via ALLOWED_ORIGINS="https://a.example,https://b.example". */
+export const ALLOWED_ORIGINS: readonly string[] = [
+  ...DEFAULT_ORIGINS,
+  ...(process.env.ALLOWED_ORIGINS ?? "")
+    .split(",")
+    .map((o) => o.trim())
+    .filter(Boolean),
+];
+
+/**
+ * Same-Origin-Requests (curl, native Clients) senden gar keinen Origin-Header
+ * und werden zugelassen; ein *fremder* Origin-Header muss auf der Liste stehen.
+ */
+export function isOriginAllowed(origin: string | undefined): boolean {
+  if (!origin) return true;
+  return ALLOWED_ORIGINS.includes(origin);
+}
+
+interface Bucket {
+  count: number;
+  resetAt: number;
+}
+
+/**
+ * Einfacher In-Memory-Zähler pro Zeitfenster. Bremst teure Endpunkte
+ * (Whisper läuft bis zu 180 s) gegen versehentliche oder böswillige Fluten.
+ */
+export function createRateLimiter(limit: number, windowMs: number) {
+  const buckets = new Map<string, Bucket>();
+
+  return function allow(key: string): boolean {
+    const now = Date.now();
+    const bucket = buckets.get(key);
+
+    if (!bucket || now >= bucket.resetAt) {
+      buckets.set(key, { count: 1, resetAt: now + windowMs });
+      return true;
+    }
+    if (bucket.count >= limit) return false;
+
+    buckets.set(key, { count: bucket.count + 1, resetAt: bucket.resetAt });
+    return true;
+  };
+}

server/src/voice.ts

@@ -14,7 +14,48 @@ const PIPER_MODEL =
   path.join(import.meta.dirname, "..", "voices", "de_DE-thorsten-high.onnx");
 const WHISPER_LANG = process.env.WHISPER_LANG ?? "de";
 
+/**
+ * Obergrenze für eine Aufnahme — schützt vor überlangen Whisper-Läufen.
+ * Wird in index.ts als bodyLimit gespiegelt, damit beide Grenzen übereinstimmen.
+ * 8 MB entsprechen rund 35 Minuten Opus-Audio.
+ */
+export const MAX_AUDIO_BYTES = 8 * 1024 * 1024;
+
+/**
+ * Erkennt das Containerformat anhand der Magic Bytes und gibt den passenden
+ * ffmpeg-Demuxer zurück.
+ *
+ * Ohne explizites -f rät ffmpeg das Format selbst und kann dabei bei Demuxern
+ * wie concat oder HLS landen, die ihrerseits auf Pfade und URLs im Dateiinhalt
+ * zugreifen. Da der Body von außen kommt, wird das Format hier festgenagelt.
+ */
+function detectAudioFormat(buf: Buffer): string | null {
+  if (buf.length < 12) return null;
+  if (buf.subarray(0, 4).equals(Buffer.from([0x1a, 0x45, 0xdf, 0xa3]))) {
+    return "matroska"; // webm (Chrome/Firefox MediaRecorder)
+  }
+  if (buf.subarray(0, 4).toString("latin1") === "OggS") return "ogg";
+  if (buf.subarray(4, 8).toString("latin1") === "ftyp") {
+    return "mov,mp4,m4a,3gp,3g2,mj2"; // Safari MediaRecorder
+  }
+  if (
+    buf.subarray(0, 4).toString("latin1") === "RIFF" &&
+    buf.subarray(8, 12).toString("latin1") === "WAVE"
+  ) {
+    return "wav";
+  }
+  return null;
+}
+
 export async function transcribeAudio(input: Buffer): Promise<string> {
+  if (input.length > MAX_AUDIO_BYTES) {
+    throw new Error("Aufnahme zu groß");
+  }
+  const format = detectAudioFormat(input);
+  if (!format) {
+    throw new Error("Nicht unterstütztes Audioformat");
+  }
+
   const dir = await mkdtemp(path.join(tmpdir(), "oxa-voice-"));
   const rawPath = path.join(dir, "in.raw");
   const wavPath = path.join(dir, "in.wav");
@@ -22,7 +63,16 @@ export async function transcribeAudio(input: Buffer): Promise<string> {
     await writeFile(rawPath, input);
     await pExecFile(
       "ffmpeg",
-      ["-y", "-i", rawPath, "-ar", "16000", "-ac", "1", "-c:a", "pcm_s16le", wavPath],
+      [
+        "-y",
+        "-protocol_whitelist", "file",  // keine http/hls/concat-Auflösung
+        "-f", format,                   // Format nicht raten lassen
+        "-i", rawPath,
+        "-ar", "16000",
+        "-ac", "1",
+        "-c:a", "pcm_s16le",
+        wavPath,
+      ],
       { timeout: 30_000 },
     );
     const { stdout } = await pExecFile(