不能信任外部来源的 pickle 数据,必须用 RestrictedUnpickler 或换用 json、msgpack 等安全方案;因 pickle 反序列化会动态执行任意函数(如 os.system),设计上 inherently unsafe,白名单仅限类加载,不防对象副作用。

直接结论:不能信任外部来源的 pickle 数据,必须用 RestrictedUnpickler 或换用安全序列化方案(如 json、msgpack)。
为什么 pickle 反序列化默认不安全?
因为 pickle 在反序列化时会动态执行任意类的 __reduce__ 方法或调用任意函数(比如 os.system、subprocess.run),攻击者只需构造恶意字节流就能执行代码。这不是配置问题,是设计使然。
常见错误现象包括:
- 从网络、文件、用户上传等不可信渠道读取
.pkl文件后调用pickle.load(),导致服务器被远程执行命令 - 误以为加了
try/except UnpicklingError就能防御——它只捕获格式错误,不拦截恶意行为 - 用
pickle.loads(b"cos\nsystem\n(S'whoami'\ntR.")这类 payload 本地验证时发现居然真执行了命令
如何用 RestrictedUnpickler 限制可反序列化的类型?
这是官方推荐的轻量级缓解方式,原理是重写 find_class 方法,白名单制放行内置或你明确信任的类。
实操建议:
- 继承
pickle.Unpickler,覆盖find_class,只允许如dict、list、int、str和你项目中自定义的纯数据类(不含逻辑) - 禁止返回任何带副作用的模块对象,例如绝对不要放行
os、subprocess、builtins.eval - 注意:自定义类必须定义在模块顶层(不能是嵌套类或 lambda),否则
find_class拿不到完整路径
示例:
import pickle
<p>class RestrictedUnpickler(pickle.Unpickler):
def find_class(self, module, name):
if module == "builtins" and name in ("dict", "list", "tuple", "str", "int", "float", "bool", "NoneType"):
return getattr(<strong>builtins</strong>, name)
if module == "myapp.models" and name in ("User", "Config"):
return getattr(<strong>import</strong>(module, fromlist=[name]), name)
raise pickle.UnpicklingError(f"Global '{module}.{name}' is forbidden")</p><h1>使用</h1><p>data = b'\x80\x04...'
obj = RestrictedUnpickler(io.BytesIO(data)).load()
</p>
什么场景下必须放弃 pickle 改用其他格式?
只要数据来自不可信方(API 请求体、前端 localStorage、第三方 SDK 返回值),就该放弃 pickle。
Python 环境工具专业版功能概述Python 环境工具专业版是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。核心要点使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。执行完成后建议检查结果是否符合预期,并保留必要记录。使用与执行同时注意输入完整性、执行条件和输出可用性。从功能定位来看,该技能
替代方案选择依据:
- 需要人可读 + 简单结构 → 用
json:标准库自带,天然安全,但不支持datetime、bytes、自定义类(需手动序列化) - 需要高性能 + 跨语言 → 用
msgpack:比pickle快,体积小,有 Python/C/JS 多端支持,且无代码执行风险 - 需要保留类型信息 + 安全 → 用
dataclasses_json或pydantic的.model_dump()/.model_validate()流程,把校验和反序列化绑在一起
关键提醒:别为了“兼容老代码”继续传 pickle 字节流——HTTP header 里写 Content-Type: application/x-pickle 是危险信号。
容易被忽略的细节:即使用了 RestrictedUnpickler,也要检查反序列化后的对象行为
白名单只能防类加载,不能防对象方法调用。比如你允许了某个类 MyClass,但它内部的 __init__ 或属性访问触发了网络请求或文件读写,风险仍在。
所以:
- 白名单里的自定义类必须是 dumb data container(即只有
__slots__或dataclass,无逻辑方法) - 反序列化后,避免直接对结果对象调用
.save()、.render()、.execute()这类可能有副作用的方法 - 如果必须处理富行为对象,应在反序列化后做显式类型检查 + 属性清洗(例如删掉所有以
_开头的属性)
安全边界不在反序列化那一行,而在你对反序列化结果的信任程度。
Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!










