Niewłaściwy sposób pozyskiwania danych od użytkownika w Pythonie

Kiedy wejście() Idzie źle

Skrypt wdrożeniowy Pythona kiedyś zażądał polecenia konsoli. Jeden błędnie wpisany kod wywołał niewłaściwą operację i przerwał kompilację produkcyjną. To właśnie jest niebezpieczeństwo związane z wprowadzaniem danych przez użytkownika w Pythonie: pojedynczy niesprawdzony ciąg znaków może spowodować wstrzyknięcie danych, utratę danych lub obejście logiki. Wyjaśnijmy, dlaczego tak się dzieje i jak bezpiecznie obsługiwać wprowadzanie danych przez użytkownika w Pythonie, zarówno w projektach open source, jak i wewnętrznych.

Problem z dane wejściowe użytkownika() Python

wejście() Funkcja w Pythonie jest prosta: odczytuje tekst z konsoli i zwraca go jako ciąg znaków. Bez walidacji. Bez sprawdzania. W izolacji wydaje się to nieszkodliwe. Ale w scenariuszach produkcyjnych, CI/CD zadania i narzędzia automatyzacji, przesyłanie surowych danych wprowadzonych przez użytkownika w języku Python bezpośrednio do poleceń lub funkcji otwiera drzwi podatnościom.

				
					python
user_command = input("Enter command: ")
simulate_system_call(user_command)  # Simulated function for demonstration

⚠️ Tylko przykład edukacyjny, niefunkcjonalny ani niemożliwy do wykorzystania

Jeśli zastanawiasz się, jak bezpiecznie odczytywać dane wprowadzane przez użytkownika w Pythonie, odpowiedź jest prosta: nigdy nie ufaj im bezgranicznie.

Ryzyka i bezpieczne postępowanie w DevSecOps Pipelines

Niebezpieczne dane wprowadzane przez użytkownika Pythona mogą wkraść się do różnych etapy cyklu życia oprogramowania:

CI/CD skrypty które wdrażają lub budują artefakty
Wewnętrzne narzędzia programistyczne kontrolowanie środowisk
Integracje z innymi firmami zakładające, że dane wejściowe są bezpieczne.

Jeśli zależność przetwarza dane wejściowe użytkownika w Pythonie bez walidacji, dziedziczysz to ryzyko, nawet jeśli Twój kod jest bezpieczny. Dlatego walidacja musi być egzekwowana spójnie w całym kodzie. pipeline.

Przykład pipeline ryzyko:

				
					python
# ⚠️ Educational example only — not functional
env_target = input("Enter deployment environment: ")
simulate_deploy(env_target)  # Simulated for demonstration

Zapobiegawczy CI/CD egzekwowanie:

				
					yaml
stages:
  - validate
validate_input:
  script:
    - python scripts/check_input_safety.py
  rules:
    - if: '$CI_COMMIT_BRANCH == "main"'
      when: never

Zabrany klucz: Wiedza o tym, jak bezpiecznie uzyskać dane wejściowe od użytkownika w Pythonie, to tylko połowa zadania; automatyczne egzekwowanie zapewnia niebezpieczny kod nigdy nie trafi do produkcji.

Typowe wektory ataków

Niezabezpieczone dane wprowadzane przez użytkownika w Pythonie mogą skutkować czymś więcej niż tylko „złymi danymi”. Do typowych zagrożeń należą:

Wstrzykiwanie polecenia, przekazywanie danych kontrolowanych przez użytkownika do poleceń systemowych
Wstrzyknięcie kodu:wykonywanie dynamicznie generowanego kodu z danych wejściowych

Obejście logiczne, pomijając uwierzytelnianie lub zmieniając przepływ przez spreparowane dane wejściowe.

				
					python
# ⚠️ Educational example only — not functional or exploitable
code_snippet = input("Provide code: ")
simulate_code_execution(code_snippet)  # Simulated evaluation for demonstration

Jeśli opierasz się na surowych danych wprowadzanych przez użytkownika w Pythonie, oddajesz kontrolę użytkownikowi lub atakującemu.

Bezpieczna alternatywa: weryfikacja i dezynfekcja danych wejściowych

Celem nie jest usunięcie wejście() w przypadku całego kodu chodzi o to, aby zapewnić, że dane wprowadzane przez użytkownika w Pythonie są sprawdzane przed wykonaniem krytycznych operacji.

Najbezpieczniejszym podejściem do pozyskiwania danych od użytkownika w Pythonie jest:

Wymuś sprawdzanie typów
Zastosuj białe listy dla dozwolonych wartości
Użyj bezpiecznych bibliotek parsujących, takich jak argparse oraz pidantycy.

Szybkie porównanie

Scenariusz Niepewny przykład Bezpieczny przykład

Scenariusz	Niepewny przykład	Bezpieczny przykład
Bezpośrednie użycie `input()`	`# ⚠️ Educational example only user_name = input("Enter username: ") simulate_process(user_name)`	`import argparse parser = argparse.ArgumentParser() parser.add_argument("--username", type=str) args = parser.parse_args() process(args.username)`
Walidacja strukturalna	`# ⚠️ Educational example only age = input("Enter your age: ")`	`from pydantic import BaseModel, ValidationError class UserInput(BaseModel): age: int try: data = UserInput(age=int(input("Enter your age: "))) except ValidationError as e: print("Invalid input:", e)`

Bezpośrednie użycie input()


# ⚠️ Educational example only
user_name = input("Enter username: ")
simulate_process(user_name)


import argparse
parser = argparse.ArgumentParser()
parser.add_argument("--username", type=str)
args = parser.parse_args()
process(args.username)

Walidacja strukturalna


# ⚠️ Educational example only
age = input("Enter your age: ")


from pydantic import BaseModel, ValidationError
class UserInput(BaseModel):
    age: int
try:
    data = UserInput(age=int(input("Enter your age: ")))
except ValidationError as e:
    print("Invalid input:", e)

Najlepsze praktyki dotyczące wprowadzania danych przez użytkownika w Pythonie:

Konwertuj typy i obsługuj błędy (spróbuj/z wyjątkiem)
Zastosuj białe listy dla znanych wartości
Zastosowanie argparse dla CLI i pidantycy dla danych strukturalnych

Wykrywanie niebezpiecznych danych wejściowych i egzekwowanie ich przestrzegania CI/CD z Xygeni

Ręczne sprawdzanie nie wystarczy, aby wychwycić wszystkie niebezpieczne dane wprowadzane przez użytkowników Pythona; kluczem jest automatyzacja. Narzędzia takie jak Xygeni skanuj repozytoria w poszukiwaniu wzorców Pythona wprowadzanych przez użytkownika bez konieczności oczyszczania. Po zintegrowaniu z CI/CD, nie spełniają one zadania bezpieczeństwa, jeśli zostanie wykryta niebezpieczna obsługa danych wejściowych. Powoduje to zablokowanie scalania do chronionych gałęzi do czasu rozwiązania problemu.

Scenariusz Niepewny przykład Bezpieczny przykład

Scenariusz	Niepewny przykład	Bezpieczny przykład
Bezpośrednie użycie `input()`	`# ⚠️ Educational example only — not functional name = input("Enter username: ") simulate_process(name) # Simulated for demonstration`	`import argparse parser = argparse.ArgumentParser() parser.add_argument("--username", type=str) args = parser.parse_args() process(args.username) # Validated by argparse`
Walidacja strukturalna	`# ⚠️ Educational example only — not functional age = input("Enter your age: ")`	`from pydantic import BaseModel, ValidationError class UserInput(BaseModel): age: int try: data = UserInput(age=int(input("Enter your age: "))) except ValidationError as e: print("Invalid input:", e)`
CI/CD egzekwowanie	`# Missing automated checks allows # unsafe input patterns to slip in # during reviews/merges.`	`jobs: security_scan: runs-on: ubuntu-latest steps: - uses: actions/checkout@v3 - name: Run Xygeni Scan run: xygeni scan \ --rules detect-unsafe-input \ --fail-on-findings`

Bezpośrednie użycie input()


# ⚠️ Educational example only — not functional
name = input("Enter username: ")
simulate_process(name)  # Simulated for demonstration


import argparse
parser = argparse.ArgumentParser()
parser.add_argument("--username", type=str)
args = parser.parse_args()
process(args.username)  # Validated by argparse

Walidacja strukturalna


# ⚠️ Educational example only — not functional
age = input("Enter your age: ")


from pydantic import BaseModel, ValidationError

class UserInput(BaseModel):
    age: int

try:
    data = UserInput(age=int(input("Enter your age: ")))
except ValidationError as e:
    print("Invalid input:", e)

CI/CD egzekwowanie


# Missing automated checks allows
# unsafe input patterns to slip in
# during reviews/merges.


jobs:
  security_scan:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: Run Xygeni Scan
        run: xygeni scan \
          --rules detect-unsafe-input \
          --fail-on-findings

Jak to działa:

Xygeni skanuje dane wprowadzane przez użytkownika Pythona w poszukiwaniu niebezpiecznych treści.
Jeżeli zostanie znaleziony, zwraca kod wyjścia różny od zera.
CI/CD oznacza zadanie jako nieudane.
Ochrona gałęzi blokuje scalanie do momentu rozwiązania problemu.

Wymusza to bezpieczne i automatyczne pozyskiwanie danych od użytkownika w Pythonie.

Ostateczne dania na wynos

Nigdy nie ufaj danym wprowadzanym przez użytkownika w Pythonie bez weryfikacji. Pojedynczy, niezabezpieczony… wejście() może prowadzić do naruszeń, niepowodzeń wdrożeń lub całkowitego naruszenia bezpieczeństwa.

Plan działania:

Sprawdź od początku: zastosuj konwersję typu, białe listy i biblioteki takie jak argparse or pidantycy przed przetworzeniem danych wejściowych użytkownika Python.
Automatyzacja wykrywania: skonfigurować pipelines, aby zablokować scalanie w przypadku znalezienia niebezpiecznych wzorców.
Egzekwuj za pomocą bramek bezpieczeństwa: zintegrować narzędzia takie jak Xygeni automatyczne blokowanie w chronionych gałęziach.
Edukuj swój zespół: upewnij się, że wszyscy wiedzą, jak bezpiecznie pozyskiwać dane od użytkownika w Pythonie i rozumieją ryzyko związane z pomijaniem walidacji.

Bezpieczeństwo aplikacji nie zaczyna się w fazie produkcyjnej; zaczyna się w momencie napisania pierwszej linijki kodu. Ustaw bezpieczną obsługę wprowadzania danych jako domyślną.

Niewłaściwy sposób pozyskiwania danych od użytkownika w Pythonie (i bezpieczna alternatywa)

Posty, które musisz przeczytać