NumPy 安全性

安全性問題可以按照專案 README 中的描述私下回報，以及在問題追蹤器上開啟 新問題。Python 安全性報告指南 是一個很好的資源，其注意事項也適用於 NumPy。

NumPy 的維護者不是安全性專家。但是，我們對安全性以及 NumPy 程式碼庫及其使用方式的專家都非常盡責。在針對 NumPy 創建安全性公告之前，請務必通知我們，因為我們很樂意優先處理問題或協助評估錯誤的嚴重性。我們事先不知道的安全性公告可能會為所有相關方帶來大量工作。

關於在不受信任的資料上使用 NumPy 的建議

可以自由執行 NumPy（或 Python）函數的使用者必須被視為與進程/Python 直譯器具有相同的權限。

話雖如此，NumPy 通常應該可以安全地用於非特權使用者提供的資料，並通過安全的 API 函數讀取（例如，從文字檔或不支援 pickle 的 .npy 檔載入）。惡意的值或資料大小絕不應導致權限提升。請注意，以上是指陣列資料。我們目前不認為例如 f2py 是安全的：它通常用於編譯然後運行的程式。因此，任何 f2py 調用都必須使用與稍後執行相同的權限。

當使用不受信任的資料時，以下幾點可能很有用或應該注意

• 耗盡記憶體可能導致記憶體不足終止，這是一種可能的阻斷服務攻擊。可能的原因可能是

  • 讀取文字檔的函數，這可能需要比原始輸入檔案大小更多的記憶體。

  • 如果使用者可以創建任意形狀的陣列，NumPy 的廣播機制意味著中間或結果陣列可能比輸入大得多。

• NumPy 結構化 dtype 允許大量的複雜性。幸運的是，當意外提供結構化 dtype 時，大多數程式碼都能優雅地失敗。但是，程式碼應該禁止不受信任的使用者提供這些（例如，透過 .npy 檔），或者仔細檢查包含的巢狀結構化/子陣列 dtype 的欄位。

• 傳遞使用者輸入通常應被視為不安全（除了正在讀取的資料）。一個例子是 np.dtype(user_string) 或 dtype=user_string。

• 操作速度可能取決於值，記憶體順序可能導致更大的臨時記憶體使用和更慢的執行速度。這意味著與簡單的測試案例相比，操作可能會顯著變慢或使用更多記憶體。

• 讀取資料時，請考慮強制執行特定的形狀（例如一維）或 dtype，例如 float64、float32 或 int64 以降低複雜性。

當處理非平凡的不受信任的資料時，建議對分析進行沙箱化，以防止潛在的權限提升。如果使用基於 NumPy 的其他函式庫，則尤其建議這樣做，因為這些函式庫會增加額外的複雜性和潛在的安全性問題。