Python发布前安全检测全攻略
2026-02-25 10:27:45
0浏览
收藏
Python应用发布前的安全扫描不能只依赖工具默认配置,必须精准聚焦硬编码密钥(如B108)、危险函数调用(如B102、B112)等高危模式,通过bandit的-ll -iii参数强化检测;pip-audit需优先自动修复依赖CVE,对无法升级项严格白名单+上下文注释说明;CI中应仅扫描变更代码、限定CVE范围,并将结果交由人工研判而非直接阻断流程;更重要的是,静态扫描无法覆盖OOM、慢速攻击、日志注入等运行时风险,必须结合limits限流、超时控制、WAF联动测试及边界请求验证,才能构建真正落地的纵深防御体系。

怎么用 bandit 快速扫出硬编码密钥和危险函数调用
发布前最该盯住的是“人肉埋雷”——比如把 os.system() 直接拼接用户输入,或者在代码里写死 API_KEY = "sk-xxx"。这些 bandit 能直接标出来,但默认配置太松,容易漏。
实操建议:
- 装完立刻跑
bandit -r . -ll -iii:-r递归扫描,-ll开启低危告警(比如硬编码密码),-iii把 info 级别也打出来(否则默认只报中高危) - 重点看
B102(exec)、B108(硬编码路径)、B112(使用eval)、B501(urllib2.urlopen不校验证书)这类编号,它们对应具体漏洞模式 - 别信
--skip随意跳过规则——比如跳掉B101(assert 用于生产逻辑),可能掩盖权限绕过风险
pip-audit 扫依赖时为什么总报一堆“已知漏洞”却没法修
它报的不是你的代码问题,是第三方包的 setup.py 或 pyproject.toml 里声明的依赖版本有 CVE。但很多提示的“升级到 X.Y.Z”根本不可行——上游包没发新版,或你用的框架锁死了子依赖。
实操建议:
- 先跑
pip-audit -r requirements.txt --fix,自动尝试升到安全小版本;失败时看输出里哪一行卡住,比如django 和djangorestframework>=3.14冲突,就得手动协调 - 对无法升级的包,用
pip-audit --ignore CVE-2023-12345加白名单,但必须同步在代码注释里写清原因和缓解措施(比如“已用django.middleware.security.SecurityMiddleware拦截 XSS”) - 注意
pip-audit不扫git+https或本地路径依赖,这类得单独检查pyproject.toml里的git提交哈希是否在已知漏洞范围内
CI 里加扫描但 PR 总被拦住:如何让 bandit 和 pip-audit 只报真正要处理的问题
CI 里一开就红,不是工具不行,是默认把“所有历史问题”都当错误。结果团队要么关掉,要么每天花时间修十年前的 print 日志泄露。
实操建议:
- 用
bandit -r . -f json -o bandit-report.json生成 JSON,再用脚本过滤出line_number在本次 git diff 范围内的条目——只扫改动行及其上下 3 行 pip-audit加--vulnerability-id参数限定只查特定 CVE,配合 GitHub Security Advisories 的 webhook 自动拉取当前仓库实际受影响的漏洞列表- 别把扫描结果直接设为 CI 失败项,改用
exit 0并把报告存成 artifact,靠人工 review + comment 自动标记高危项——机器负责发现,人负责判断上下文
为什么扫描通过了,上线后还是被 WAF 拦?
静态扫描管不到运行时行为。比如 bandit 看不出你用 json.loads() 解析用户传的超大字符串导致 OOM,pip-audit 也发现不了你用 requests.get(url, timeout=30) 让攻击者发起慢速 HTTP 攻击。
实操建议:
- 在关键入口加运行时检测:比如用
limits包限制 JSON 解析大小,用timeout参数强制短超时,而不是只靠静态扫描“没报错”就认为安全 - WAF 规则往往基于流量特征(如 SQL 关键字、长 URL、重复 header),扫描工具不会模拟真实请求流。上线前用
curl或httpx发几组边界值请求,观察 WAF 日志里的403原因字段 - 最常被忽略的是日志本身——如果
logging.info("user %s accessed %s", user_id, path)里path来自 request,就可能被注入恶意字符串污染日志系统,这需要结合日志采集器的解析规则一起看
今天关于《Python发布前安全检测全攻略》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
Golang优化CPU缓存命中率技巧
- 上一篇
- Golang优化CPU缓存命中率技巧
- 下一篇
- 快手赞过视频隐藏方法与隐私设置教程
查看更多
最新文章
-
- 文章 · python教程 | 1小时前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 9小时前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 15小时前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 19小时前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python itertools.batched strict 参数什么时候会报错
- 306浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python ExceptionGroup split 怎么按异常类型拆分
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python dataclass slots 与 weakref_slot 怎么一起用
- 207浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python tarfile extraction_filter data_filter
- Python tarfile extraction_filter 怎么阻止危险路径
- 232浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python pathlib.Path.walk 怎么剪枝目录遍历
- 159浏览 收藏
-
- 文章 · python教程 | 1天前 | python · SQLite · Python sqlite3 autocommit isolation_level SQLite事务
- Python sqlite3 autocommit 与 isolation_level 怎么配合
- 378浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 255次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 298次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 274次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 252次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 61次使用
查看更多
相关文章
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
