防范恶意无限Generator内存溢出攻击，核心是阻断“无限迭代→资源耗尽→服务崩溃”链路，须严格限制消费行为（禁用list(gen)等全量展开）、运行时监控内存并熔断、输入解析层深度防御、语言级加固。
防范黑客利用恶意构造的无限 Generator 序列实施内存溢出攻击，核心在于阻断“无限迭代→资源耗尽→服务崩溃或内存泄露”的链路。Generator（如 Python 的 yield 函数、JavaScript 的 function*）本身是惰性求值的，但一旦被不当消费（如转为列表、全量展开、嵌套递归调用），就可能触发指数级内存分配，尤其在服务端解析用户可控输入时风险极高。
严格限制 Generator 消费行为
Generator 的危险不在于定义，而在于使用方式。必须禁止任何将用户输入驱动的 Generator 全量展开的操作：
- 禁用
list(gen)、tuple(gen)、[*gen]等一次性收集全部元素的写法，尤其是当gen来源不可信时 - 避免在日志、调试、序列化（如 JSON.dumps）中直接传入未约束的 Generator 对象
- 对所有外部输入触发的 Generator，强制设置最大产出项数（例如用
itertools.islice(gen, 0, MAX_ITEMS)）
运行时资源监控与熔断
仅靠代码规范无法覆盖所有边界场景，需在运行时主动干预：
- 在关键服务入口（如 API 路由、RPC 方法）中注入内存用量检查，例如 Python 可用
resource.getrusage().ru_maxrss监控进程峰值内存，超阈值立即中断当前请求 - 对 Generator 类型参数增加中间件校验：检测是否为用户可控输入构造、是否嵌套过深、是否引用了高风险上下文（如数据库游标、文件句柄）
- 启用语言级 GC 压力反馈机制，如 Node.js 的
--max-old-space-size配合process.memoryUsage()定期采样
输入解析层做深度防御
很多无限 Generator 攻击源于将恶意结构化数据（如特制 JSON、YAML、自定义 DSL）反序列化为可迭代对象：
- 禁用 YAML 的
!!python/object等危险标签；对 JSON 使用严格模式解析器（如 Python 的json.loads(..., parse_float=Decimal)防止浮点数爆炸） - 若需支持流式解析（如处理大 JSON 数组），使用基于事件的解析器（如
ijson或json-stream），而非加载整个结构再 yield - 对所有用户提交的脚本、表达式、模板（如 Jinja、JMESPath），在沙箱中执行并限制迭代深度与总步数
语言与框架层面加固
依赖底层机制提升鲁棒性：
- Python 项目启用
sys.setrecursionlimit()并配合tracemalloc追踪异常内存增长源头 - Node.js 中避免
for await...of直接消费不受控的异步 Generator；改用pipeline+Transform流控 - Java/Kotlin 使用
Stream.iterate时务必搭配limit(n)，且禁用collect(Collectors.toList())对远程输入生成的 Stream
