Cách sai để lấy dữ liệu đầu vào từ người dùng trong Python

Thời Gian đầu vào() Đi sai

Một kịch bản triển khai Python từng yêu cầu nhập lệnh từ console. Một lỗi nhập liệu nhỏ đã kích hoạt thao tác sai và làm hỏng bản dựng sản phẩm. Đó chính là mối nguy hiểm của việc nhập liệu từ người dùng trong Python: một chuỗi ký tự không được kiểm tra kỹ lưỡng có thể gây ra lỗi tấn công chèn mã độc, mất dữ liệu hoặc bỏ qua logic. Hãy cùng phân tích lý do tại sao điều này xảy ra và cách xử lý việc nhập liệu từ người dùng trong Python một cách an toàn, cả trong các dự án mã nguồn mở và nội bộ.

Vấn đề với đầu vào của người dùng() Python

đầu vào() Hàm `read` trong Python rất đơn giản: nó đọc văn bản từ bảng điều khiển và trả về dưới dạng chuỗi. Không có xác thực. Không có kiểm tra. Xét riêng lẻ, điều đó có vẻ vô hại. Nhưng trong kịch bản sản xuất, CI/CD Trong các công việc và công cụ tự động hóa, việc truyền trực tiếp dữ liệu đầu vào thô từ người dùng Python vào các lệnh hoặc hàm sẽ mở ra nguy cơ bị tấn công.

⚠️ Đây chỉ là ví dụ minh họa mang tính giáo dục, không thể sử dụng hoặc khai thác được.

Nếu bạn đang thắc mắc làm thế nào để lấy dữ liệu đầu vào từ người dùng trong Python một cách an toàn, câu trả lời rất đơn giản: đừng bao giờ tin tưởng nó một cách mù quáng.

Rủi ro và cách xử lý an toàn trong DevSecOps Pipelines

Dữ liệu đầu vào không an toàn từ người dùng Python có thể dẫn đến nhiều vấn đề khác nhau. các giai đoạn của vòng đời phần mềm:

CI/CD kịch bản triển khai hoặc xây dựng các thành phần
Công cụ dành cho nhà phát triển nội bộ kiểm soát môi trường
Tích hợp của bên thứ ba Điều đó giả định rằng dữ liệu đầu vào là an toàn.

Nếu một thư viện phụ thuộc xử lý dữ liệu đầu vào của người dùng bằng Python mà không kiểm tra tính hợp lệ, bạn sẽ phải gánh chịu rủi ro đó, ngay cả khi mã của bạn an toàn. Đó là lý do tại sao việc kiểm tra tính hợp lệ phải được thực thi nhất quán trên toàn bộ hệ thống. pipeline.

Ví dụ pipeline rủi ro:

Dự phòng CI/CD thực thi:

Bài học chính: Việc biết cách thu thập dữ liệu đầu vào từ người dùng trong Python một cách an toàn chỉ là một nửa công việc; việc thực thi tự động đảm bảo điều đó. Mã không an toàn sẽ không bao giờ được đưa vào môi trường sản xuất.

Các vectơ tấn công phổ biến

Việc người dùng nhập dữ liệu Python không an toàn có thể gây ra nhiều hơn là chỉ "dữ liệu xấu". Các rủi ro thường gặp bao gồm:

Lệnh tiêmtruyền dữ liệu do người dùng kiểm soát đến các lệnh hệ thống.
Chèn mã: thực thi mã được tạo động từ đầu vào

Bỏ qua logic, bỏ qua bước xác thực hoặc thay đổi luồng xử lý thông qua dữ liệu đầu vào được tạo sẵn.

Nếu bạn dựa vào dữ liệu đầu vào thô từ người dùng trong Python, bạn đang trao quyền kiểm soát cho người dùng hoặc kẻ tấn công.

Giải pháp thay thế an toàn: Xác thực và làm sạch dữ liệu đầu vào

Mục tiêu không phải là loại bỏ đầu vào() Từ tất cả mã nguồn, điều này nhằm đảm bảo dữ liệu đầu vào của người dùng Python được xác thực trước khi nó được sử dụng trong các thao tác quan trọng.

Cách an toàn nhất để lấy dữ liệu đầu vào từ người dùng trong Python là:

Thực thi kiểm tra kiểu dữ liệu
Áp dụng danh sách trắng cho các giá trị được cho phép
Sử dụng các thư viện phân tích cú pháp an toàn như tranh cãi và bệnh tiểu đường.

So sánh nhanh

Kịch bản Ví dụ không an toàn Ví dụ bảo mật

Kịch bản	Ví dụ không an toàn	Ví dụ bảo mật
Sử dụng trực tiếp `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)`
Xác thực có cấu trúc	`# ⚠️ 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)`

Sử dụng trực tiếp 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)

Xác thực có cấu trúc

  # ⚠️ 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)

Các phương pháp tốt nhất để nhập dữ liệu người dùng trong Python:

Chuyển đổi kiểu dữ liệu và xử lý lỗi (thử / ngoại trừ)
Áp dụng danh sách trắng cho các giá trị đã biết
Sử dụng tranh cãi cho CLI và bệnh tiểu đường đối với dữ liệu có cấu trúc

Phát hiện dữ liệu đầu vào không an toàn và thực thi quy định. CI/CD với Xygeni

Việc xem xét thủ công không đủ để phát hiện tất cả các lỗi nhập liệu không an toàn của người dùng Python; tự động hóa là chìa khóa. Công cụ như Xygeni Quét các kho lưu trữ để tìm các mẫu Python do người dùng nhập mà không cần làm sạch dữ liệu. Khi được tích hợp vào... CI/CDNếu phát hiện việc xử lý đầu vào không an toàn, hệ thống sẽ thất bại trong quá trình kiểm tra bảo mật. Điều này sẽ ngăn chặn việc hợp nhất vào các nhánh được bảo vệ cho đến khi vấn đề được khắc phục.

Kịch bản Ví dụ không an toàn Ví dụ bảo mật

Kịch bản	Ví dụ không an toàn	Ví dụ bảo mật
Sử dụng trực tiếp `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`
Xác thực có cấu trúc	`# ⚠️ 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 thực thi	`# 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`

Sử dụng trực tiếp 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

Xác thực có cấu trúc

  # ⚠️ 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 thực thi

  # 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

Làm thế nào nó hoạt động:

Xygeni quét tìm các dữ liệu đầu vào không an toàn từ người dùng Python.
Nếu tìm thấy, nó sẽ trả về mã thoát khác 0.
CI/CD Đánh dấu công việc là thất bại.
Chức năng bảo vệ nhánh sẽ ngăn chặn việc hợp nhất cho đến khi sự cố được khắc phục.

Điều này đảm bảo cách thức thu thập dữ liệu đầu vào từ người dùng trong Python một cách an toàn và tự động.

Takeaways cuối cùng

Không bao giờ tin tưởng vào dữ liệu nhập liệu của người dùng Python mà không qua kiểm tra xác thực. Chỉ cần một lỗi không an toàn nhỏ cũng đủ gây hại. đầu vào() có thể dẫn đến vi phạm an ninh mạng, lỗi triển khai hoặc thậm chí là bị xâm phạm hoàn toàn.

Kế hoạch hành động:

Xác thực ngay từ đầu: áp dụng chuyển đổi kiểu dữ liệu, danh sách trắng và các thư viện như tranh cãi or bệnh tiểu đường Trước khi xử lý dữ liệu đầu vào của người dùng trong Python.
Tự động phát hiện: cấu hình pipelineđể chặn việc hợp nhất khi phát hiện các mẫu không an toàn.
Tăng cường an ninh bằng cổng kiểm soát: tích hợp các công cụ như Xygeni để chặn tự động ở những cành cây được che chắn.
Đào tạo nhóm của bạn: Đảm bảo mọi người đều biết cách lấy dữ liệu đầu vào từ người dùng trong Python một cách an toàn và hiểu rõ rủi ro khi bỏ qua bước xác thực.

Bảo mật ứng dụng không chỉ bắt đầu từ giai đoạn sản xuất.Nó bắt đầu ngay từ khoảnh khắc bạn viết dòng mã đầu tiên. Hãy đặt việc xử lý đầu vào an toàn làm mặc định.

Cách sai để lấy thông tin đầu vào từ người dùng trong Python (và giải pháp thay thế an toàn hơn)

Mục lục

Những bài viết nhất định phải đọc

Các bài viết mới nhất đáng chú ý

Thời Gian đầu vào() Đi sai

Vấn đề với đầu vào của người dùng() Python

Rủi ro và cách xử lý an toàn trong DevSecOps Pipelines

Các vectơ tấn công phổ biến

Giải pháp thay thế an toàn: Xác thực và làm sạch dữ liệu đầu vào

So sánh nhanh

Phát hiện dữ liệu đầu vào không an toàn và thực thi quy định. CI/CD với Xygeni

Takeaways cuối cùng

Bảo mật quá trình phát triển và phân phối phần mềm của bạn.

với bộ sản phẩm Xygeni

Sản phẩm

Trung Tâm Tài Liệu

Tên Công Ty

Chính sách