怎么在Python中使用pickle模块实现安全的数据持久化？-Python教程-PHP中文网

pickle本身不安全，不能用于不可信数据；其反序列化会重放构造逻辑，调用__reduce__等魔术方法执行任意代码，如os.system或eval，攻击者仅需构造恶意字节流即可触发命令执行。

怎么在python中使用pickle模块实现安全的数据持久化？

直接说结论：pickle 本身**不安全**，不能用于不可信数据；所谓“安全使用”指的是严格控制输入来源、避免反序列化外部数据，并在必须用时加隔离和校验。

为什么 pickle.load() 会执行任意代码

pickle 反序列化不是单纯还原对象，而是重放构造逻辑——它会调用 __reduce__、__setstate__ 等魔术方法，甚至可导入并执行模块中的函数。攻击者只要构造恶意字节流，就能触发 os.system 或 eval。

常见错误现象：pickle.loads(b"cos\nsystem\n(S'whoami'\ntR.") 在某些 Python 版本下直接执行系统命令
真实场景：从文件/网络读取 unpickle 数据前，未确认来源是否可信（如用户上传的 .pkl 文件）
兼容性影响：Python 3.8+ 默认仍启用 full protocol，无自动降级或沙箱机制

替代方案比“加固 pickle”更可靠

除非你完全掌控数据生成与消费两端（比如同一进程内 cache），否则优先选不会执行代码的格式：

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

结构化数据 → 用 json（配合 dataclasses.asdict() 或 pydantic.BaseModel.dict()）
需要二进制效率 → 用 msgpack（pip install msgpack，支持 datetime、bytes，且无执行风险）
科学计算场景 → numpy.save()/numpy.load() 或 torch.save()（专用于其自身对象，不通用但安全）
若必须保留 pickle 接口 → 改用 dill 并禁用 exec 类操作（仍不推荐用于外部输入）

如果非用不可，至少做三件事

仅限内部服务、测试环境或 CLI 工具中自己生成又自己读取的场景：

限定协议版本：始终用 protocol=4（Python 3.7+ 默认）或 protocol=5，避免旧版中更松散的解析逻辑
预检字节流头：检查前 2 字节是否为 b'\x80\x04'（proto 4）或 b'\x80\x05'（proto 5），跳过明显异常开头

用自定义 Unpickler 限制可导入模块：

class SafeUnpickler(pickle.Unpickler):
    def find_class(self, module, name):
        if module not in ("__builtin__", "builtins", "numpy", "collections"):
            raise pickle.UnpicklingError(f"Forbidden module: {module}")
        return super().find_class(module, name)

注意：这只能防 import，不能防 getattr 动态调用或已加载模块内的危险方法

最常被忽略的一点：即使做了上述限制，只要对象里存了 lambda、functools.partial 或带 __reduce__ 的自定义类，就仍可能触发意外行为。安全边界不在反序列化函数，而在整个对象图的构造逻辑是否可控。