当前位置:首页 > 文章列表 > Golang > Go教程 > Go slog.Handler 怎样过滤敏感字段

Go slog.Handler 怎样过滤敏感字段

来源:17golang原创 2026-10-14 01:43:29 0浏览 收藏

我第一次把 log/slog 接进服务时,最容易漏掉的不是日志格式,而是某个调用点顺手写入了 token。逐个搜索调用点能暂时补洞,却很难保证新代码不再带出凭据。更稳妥的做法是把策略放在 slog.Handler 出口:所有记录先经过 HandlerOptions.ReplaceAttr,再交给文本或 JSON 处理器。

要点速览
  • ReplaceAttr 适合做统一的字段删除和替换,返回零值 slog.Attr{} 就是不输出该属性。
  • groups 表示当前属性所在的嵌套分组,不能只看属性名就做全局判断。
  • 脱敏策略只保护日志出口,原始值仍可能出现在错误、请求体或其他观测链路,必须单独治理。

先把日志里的资产和攻击路径划清楚

把密码、访问令牌、Cookie、Authorization 和私钥材料列入默认拒绝项;订单号、用户 ID、状态码等可检索字段则尽量保留。风险路径通常有两条:业务代码直接把敏感字段作为 Attr 传入,或者把它包在 slog.Group 里后绕过了只检查顶层键名的规则。第二种情况尤其容易在请求上下文日志里出现。

Go slog Handler 从日志属性到脱敏输出的静态结构说明图
图1:结构说明图,展示 slog.Record、ReplaceAttr 策略和最终 Handler 输出之间的关系;这是原创静态说明图,不是运行截图。

用 ReplaceAttr 把脱敏放在统一出口

下面的策略同时覆盖顶层和分组字段。删除字段用零值 Attr;需要保留字段存在感但不能暴露原值时,返回固定占位符。代码里的日志内容只是示例,图片同样只表达组件关系,不代表本机运行结果。

package main

import (
	"log/slog"
	"os"
	"strings"
)

// redactAttr 在 Handler 出口统一处理敏感字段,避免策略散落在业务调用点。
func redactAttr(groups []string, a slog.Attr) slog.Attr {
	key := strings.ToLower(a.Key)
	// 这些键无论位于顶层还是请求分组内,都不应写入日志。
	switch key {
	case "password", "passwd", "token", "access_token", "authorization", "cookie", "private_key":
		return slog.Attr{}
	}
	// 对可能包含个人信息的字段保留键名,但只输出固定占位符。
	if key == "email" && len(groups) > 0 {
		return slog.String(a.Key, "[redacted]")
	}
	return a
}

func main() {
	// TextHandler 和 JSONHandler 都能复用同一份 ReplaceAttr 策略。
	logger := slog.New(slog.NewJSONHandler(os.Stdout, &slog.HandlerOptions{
		ReplaceAttr: redactAttr,
	}))
	logger.Info("login", slog.String("user_id", "u-42"), slog.String("token", "secret"))
	logger.Info("request", slog.Group("auth",
		slog.String("authorization", "Bearer secret"),
		slog.String("email", "dev@example.com"),
	))
}

这里没有把所有字段都改成固定值:user_id 仍能帮助排查,authorization 直接删除,分组里的 email 则按上下文改写。生产环境应把键名表放在代码评审可见的位置,并为新增认证字段补测试,而不是依赖开发者记忆。

验证输出时要同时检查删除、替换和分组边界

ReplaceAttr 处理的是非 Group 属性,分组本身不会作为一个普通 Attr 传入;嵌套属性会携带 groups 路径。因此测试不能只写一个顶层 token,还要覆盖 Group("auth", ...)。建议用 bytes.Buffer 接收 JSON 输出,断言敏感原文不存在,同时断言业务键仍存在。

检查对象期望处理复查重点
password、token返回零值 Attr输出中不能出现原值
分组内 authorization沿 groups 规则删除不能只测顶层键
email 等个人信息固定占位符保留键名是否仍满足检索需求
request_id、status原样保留审计和排障字段不能误删

一个实用的复查清单是:先用敏感值做唯一测试样本,再检查 JSON 文本是否包含原值;然后检查分组路径;最后模拟一个新字段名,确认代码评审会触发策略更新。不要把“日志里看不到”误当成“系统已经安全”,因为请求体、错误堆栈和第三方 exporter 可能走另一条链路。

Go slog 脱敏策略中删除字段、替换字段和保留字段的边界说明图
图2:结果说明图,展示敏感字段删除、个人信息占位和业务字段保留三种输出边界;这是原创静态说明图,不是运行截图。

常见问题

只在 slog.Info 调用点手动脱敏可以吗?

可以作为局部补救,但不适合作为唯一控制点。统一配置 Handler 才能覆盖遗漏的调用点。

ReplaceAttr 能清理日志消息文本里的密码吗?

它主要处理属性;如果密码被拼进 msg 字符串,需要禁止这种写法,或在更早的边界修正消息来源。

删除字段和替换成 [redacted] 怎么选?

凭据通常直接删除,便于降低泄露面;需要确认字段曾出现过时,可保留键名并使用固定占位符。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go fmt.Errorf 怎样正确包装可检查错误Go fmt.Errorf 怎样正确包装可检查错误
上一篇
Go fmt.Errorf 怎样正确包装可检查错误
Go log/slog 怎样给每个请求添加上下文
下一篇
Go log/slog 怎样给每个请求添加上下文
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    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
    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
    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
    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
    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数据集详解:生物医学问答基准、功能与应用指南
    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。
    463次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    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。
    527次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    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。
    545次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    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。
    494次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    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。
    313次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码