如何在Python脚本中实现容器？Kivy应用执行不可信代码需求

完全可以通过纯Python工具链实现不可信代码的隔离执行，以下是几个跨平台可行的方案，均无需依赖Docker/Podman这类独立容器工具：

1. 基于subprocess的独立Python子进程隔离 #

通过启动受限的独立Python子进程来隔离不可信代码，核心是限制子进程的资源访问和可用模块：

• 启动子进程时使用python -S参数禁用site模块，避免自动导入系统全局的第三方库
• 手动构造sys.path，仅包含安全的标准库模块
• 配合平台原生的权限限制：
  • Linux：通过prlimit限制进程资源，或使用seccomp过滤危险系统调用
  • Windows：调用WinAPI限制进程的文件系统访问权限
  • macOS：使用sandbox-exec配置沙箱规则

示例代码（主进程侧）：

import subprocess
import sys

def run_untrusted_code(code: str):
    # 启动受限Python子进程，仅允许访问指定标准库
    proc = subprocess.run(
        [sys.executable, "-S", "-c", code],
        capture_output=True,
        text=True,
        # 可选：添加平台特定的权限限制参数
    )
    return proc.stdout, proc.stderr

注意：需要严格过滤子进程的环境变量，避免泄露敏感信息；同时禁止子进程访问网络、文件系统等敏感资源。

2. 使用RestrictedPython实现代码级隔离 #

RestrictedPython是Python官方生态的库，它通过语法分析和环境限制，将不可信代码限制在安全的子集内运行，无需启动独立进程：

• 限制不可信代码的内置函数（如禁止open()、os.system()）
• 控制全局变量的访问，禁止修改系统级对象
• 支持在当前进程内的隔离命名空间中执行代码

示例代码：

from RestrictedPython import compile_restricted, safe_globals
from RestrictedPython.Eval import default_guarded_getitem

# 定义允许的全局变量和内置函数
safe_globals.update({
    '__builtins__': {
        'print': print,
        'int': int,
        'str': str,
        # 仅添加明确允许的内置对象
    },
    '_getitem_': default_guarded_getitem,  # 允许列表/字典的索引访问
})

def execute_restricted(code: str):
    try:
        # 编译受限代码
        byte_code = compile_restricted(code, '<untrusted>', 'exec')
        # 在安全命名空间中执行
        local_namespace = {}
        exec(byte_code, safe_globals, local_namespace)
        return local_namespace.get('result')
    except Exception as e:
        return f"Execution error: {str(e)}"

限制：需要仔细配置允许的操作，避免被绕过；部分复杂的Python语法可能不被支持，性能略低于原生Python。

3. PyPy沙箱（跨平台支持） #

PyPy解释器内置了轻量级沙箱机制，可跨Windows/macOS/Linux使用，能限制代码的系统调用、文件访问和内存使用：

• 以沙箱模式启动PyPy子进程，不可信代码无法直接访问宿主系统资源
• 通过管道实现主进程与沙箱进程的输入输出通信
• 可配置沙箱的资源配额（如内存上限、CPU时间）

示例代码（主进程侧）：

import subprocess

def run_in_pypy_sandbox(code: str):
    # 假设PyPy已打包在应用目录中
    proc = subprocess.run(
        ['pypy3', '--sandbox', '-c', code],
        stdin=subprocess.PIPE,
        stdout=subprocess.PIPE,
        stderr=subprocess.PIPE,
        text=True
    )
    return proc.stdout, proc.stderr

注意：需要将PyPy解释器打包进Kivy应用，会增加应用体积；沙箱规则需提前配置，避免过度授权。

方案选择建议 #

• 若追求最高安全性：优先选择subprocess+平台原生权限限制，完全隔离进程环境
• 若追求低开销和集成性：选择RestrictedPython，无需额外进程开销
• 若跨平台需求严格且资源充足：选择PyPy沙箱

内容的提问来源于stack exchange，提问作者Jack Hanna