software-data-integrity-failures

A08:2025 — 软件或数据完整性故障

概述

OWASP 排名： #8（2025 年） | 涵盖的 CWE： 14 | 平均发生率： 2.75%

此类别关注未能验证自身环境中的软件、代码和数据制品的完整性——这不同于 A03 对上游供应链的关注。核心问题是：你能否信任正在加载、反序列化或执行的内容？

与 A03（供应链）的主要区别：

• A03 = 上游完整性（你的依赖项、CI/CD 管道）
• A08 = 运行时完整性（运行时实际反序列化、包含或自动更新的内容）

---

Python 的关键风险领域

1. 不安全的反序列化 — Python 特有的首要风险

对不可信输入调用 pickle.loads() 等同于通过 __reduce__ 执行任意代码。这是 Python 中最危险的 A08 攻击途径。

需要标记的危险函数/模块：

模块 / 函数	风险	安全替代方案
pickle.loads() / pickle.load()	通过 __reduce__ 实现 RCE	JSON + Pydantic
cPickle.loads()	与 pickle 相同	JSON + Pydantic
dill.loads()	pickle 的超集，具有相同的 RCE 风险	JSON + Pydantic
jsonpickle.decode()	反序列化 Python 对象	仅使用 json.loads()
shelve.open()	底层依赖 pickle	Redis/SQL 存储
yaml.load(data, Loader=None)	通过 !!python/object 执行代码	yaml.safe_load()
numpy.load(f, allow_pickle=True)	通过 pickle 化数组实现 RCE	allow_pickle=False
torch.load(f)	默认由 pickle 支持	weights_only=True

检测模式（静态分析）：

# Flag any of these patterns in source code
DANGEROUS_PATTERNS = [
    r'pickle\.loads?\(',
    r'cPickle\.loads?\(',
    r'dill\.loads?\(',
    r'jsonpickle\.decode\(',
    r'shelve\.open\(',
    r'yaml\.load\([^)]*(?!safe_load)',
    r'numpy\.load\([^)]*allow_pickle\s*=\s*True',
    r'torch\.load\([^)]*(?!weights_only\s*=\s*True)',
]

如果无法避免使用 pickle — HMAC 完整性检查：

import hmac, hashlib, pickle, os

SECRET = os.environ["PICKLE_HMAC_SECRET"].encode()

def safe_serialize(obj) -> bytes:
    data = pickle.dumps(obj)
    mac = hmac.new(SECRET, data, hashlib.sha256).digest()
    return mac + data  # prepend 32-byte MAC

def safe_deserialize(payload: bytes):
    mac, data = payload[:32], payload[32:]
    expected = hmac.new(SECRET, data, hashlib.sha256).digest()
    if not hmac.compare_digest(mac, expected):
        raise ValueError("Integrity check failed — data tampered")
    return pickle.loads(data)

---

2. 批量赋值（CWE-915）

当 request.json 或表单数据未经字段筛选就直接传入 ORM .update() 时会发生此问题，攻击者因此可以设置 is_admin=True 或 role="superuser" 等字段。

Flask — 易受攻击的模式：

# ❌ DANGEROUS — attacker can inject any field
user = User.query.get(user_id)
user.__dict__.update(request.json)
db.session.commit()

# Also dangerous:
User.query.filter_by(id=user_id).update(request.json)

Flask — 安全模式：

# ✅ SAFE — explicit allowlist
ALLOWED_FIELDS = {"name", "email", "bio"}
data = {k: v for k, v in request.json.items() if k in ALLOWED_FIELDS}
User.query.filter_by(id=user_id).update(data)

FastAPI — Pydantic 默认可防止批量赋值：

# ✅ FastAPI with Pydantic — only declared fields accepted
class UserUpdate(BaseModel):
    name: str | None = None
    email: str | None = None
    bio: str | None = None
    # is_admin, role etc. cannot be set — they're not in the schema

@router.patch("/users/{user_id}")
async def update_user(user_id: int, body: UserUpdate, db: Session = Depends(get_db)):
    db.query(User).filter(User.id == user_id).update(body.model_dump(exclude_unset=True))

检测模式： 在 Flask 中，扫描 request.json 或 request.form 是否未经中间的允许列表筛选，就流入 .update()、__dict__.update() 或 ORM 批量更新调用。

---

3. 外部脚本/样式表的子资源完整性（SRI）

如果 Flask/FastAPI 应用渲染的 HTML 模板会从外部 CDN 加载脚本或样式表，这些资源必须包含 SRI 哈希，以防 CDN 遭到入侵后注入恶意代码。

存在漏洞的 Jinja2 模板：

<script src="https://cdn.jsdelivr.net/npm/[email protected]/dist/js/bootstrap.bundle.min.js"></script>

安全的 Jinja2 模板：

<script
  src="https://cdn.jsdelivr.net/npm/[email protected]/dist/js/bootstrap.bundle.min.js"
  integrity="sha384-geWF76RCwLtnZ8qwWowPQNguL3RmwHVBC9FhGdlKrxdiJJigb/j/68SIy3Te4Bkz"
  crossorigin="anonymous">
</script>

如何生成 SRI 哈希：

# Using openssl
curl -sL https://cdn.example.com/lib.js | openssl dgst -sha384 -binary | openssl base64 -A

# Or use srihash.org / unpkg.com automatically provides them

检测： 扫描 Jinja2/HTML 模板，查找缺少 integrity= 属性的 <script src="https://..."> 和 <link href="https://..."> 标签。

---

4. 未经验证的自动更新（CWE-494）

下载并执行代码/配置更新，却不验证其加密签名的应用容易遭受中间人攻击。

需要标记的模式：

# ❌ Downloads and executes without verification
import urllib.request, subprocess
urllib.request.urlretrieve("https://example.com/update.sh", "/tmp/update.sh")
subprocess.run(["bash", "/tmp/update.sh"])

# ❌ Loads remote config without integrity check
import json, urllib.request
config = json.loads(urllib.request.urlopen("https://config.example.com/settings.json").read())

安全模式 — 签名验证：

from cryptography.hazmat.primitives import hashes, serialization
from cryptography.hazmat.primitives.asymmetric import padding
import urllib.request

def download_and_verify(url: str, sig_url: str, public_key_path: str) -> bytes:
    data = urllib.request.urlopen(url).read()
    sig = urllib.request.urlopen(sig_url).read()
    with open(public_key_path, "rb") as f:
        pubkey = serialization.load_pem_public_key(f.read())
    pubkey.verify(sig, data, padding.PKCS1v15(), hashes.SHA256())  # raises on failure
    return data

---

测试清单

审核 FastAPI 或 Flask 应用是否符合 A08 要求时，请使用此清单：

反序列化

• 不对不可信输入调用 pickle.loads() / pickle.load()
• 不对不可信输入调用 cPickle、dill、jsonpickle.decode()
• 使用 yaml.safe_load() 而不是 yaml.load()
• 调用 numpy.load() 时设置 allow_pickle=False
• 调用 torch.load() 时设置 weights_only=True
• 不将 shelve 用于不可信键/数据
• 如果无法避免使用 pickle：已实现 HMAC 预验证

批量赋值

• Flask：不将 request.json 直接传入 ORM .update()，除非经过允许列表筛选
• Flask：不存在 model.__dict__.update(untrusted_data) 模式
• FastAPI：所有请求正文均使用 Pydantic 模型（默认可防止批量赋值）
• 公开的更新架构中不包含特权字段（is_admin、role、balance）

外部完整性

• 所有外部 <script> 标签都具有 integrity= SRI 属性
• 所有外部 <link rel="stylesheet"> 标签都具有 integrity= SRI 属性
• 远程下载内容在执行前均经过加密签名或哈希验证
• 不对远程获取的内容使用动态 eval() 或 exec()

CI/CD 完整性（与 A03 的边界）

• 所有部署配置／脚本变更都必须经过代码审查
• 构建产物均已签名，并在部署前验证签名
• CI/CD 密钥不可供来自分叉仓库的拉取请求流水线访问

---

自动化扫描工具

工具	检测内容	运行方式
Bandit	pickle、yaml.load、subprocess、eval	bandit -r . -t B301,B302,B506
Semgrep	反序列化、批量赋值模式	semgrep --config=p/python
pip-audit	存在已知漏洞的反序列化库	pip-audit
手动 grep	快速扫描危险函数	参见第 1 节中的模式

A08 的 Bandit 规则 ID：

• B301 — 使用 pickle
• B302 — 使用 marshal（风险类似）
• B506 — yaml.load 未使用安全加载器
• B403 — 导入 pickle（仅供参考）

---

关键 CWE

CWE	描述	主要攻击途径
CWE-502	对不可信数据进行反序列化	pickle、yaml、jsonpickle
CWE-915	对动态确定的对象属性进行控制不当的修改	批量赋值
CWE-829	引入来自不可信控制域的功能	未使用 SRI 的 CDN 脚本
CWE-345	数据真实性验证不足	缺少 HMAC／签名检查
CWE-494	下载代码时未进行完整性检查	未经验证的自动更新

---

参考资料

• OWASP A08:2025 — 软件和数据完整性失效
• Python Pickle 安全性
• SRI 哈希生成器
• 适用于 Python 的 Bandit SAST
• 有关漏洞利用 PoC 和深入分析，请参阅 references/deserialization-exploits.md