Python中eval/exec使用安全性及Databricks代码迁移方案问询

问题1：Python中用eval激活脚本函数的风险及替代方案 #

风险说明 #

eval的核心风险在于它会执行任意传入的字符串代码：

• 如果输入来源不可信（比如用户输入、外部未验证的文件），攻击者可以构造恶意代码字符串，实现删除文件、执行系统命令、窃取敏感数据等操作，完全控制程序甚至服务器。
• 哪怕是内部脚本，若变量被意外篡改或误传了危险代码，也可能引发不可控的后果。

替代方案 #

• 直接导入模块：这是最安全规范的方式。如果函数在单独的脚本文件中，直接用import语句导入，比如：

  import my_script
  my_script.my_target_func()
  

• 字典映射函数：把允许调用的函数存入字典，通过函数名字符串映射调用，限制可执行的范围：

  def func_a():
      pass
  def func_b():
      pass
  
  func_map = {"func_a": func_a, "func_b": func_b}
  # 根据函数名调用
  target_func = func_map.get("func_a")
  if target_func:
      target_func()
  

• 动态导入模块（importlib）：如果需要动态加载不同模块，用importlib替代eval，安全且符合Python规范：

  import importlib
  module = importlib.import_module("my_script")
  module.my_target_func()
  

问题2：Databricks迁移设计合理性及exec的风险 #

设计合理性分析 #

当前的设计并不合理，存在冗余且不符合Databricks的最佳实践：

• Databricks本身提供Repos功能，可以直接关联GitHub仓库，自动同步代码，无需手动通过Shell克隆、处理全局变量这类繁琐操作。
• 用%run ./auxiliary后无法调用函数，大概率是你将脚本转为全局变量的处理方式有误——正常情况下，%run会将目标文件中的函数、变量直接加载到当前notebook的作用域中，无需额外用exec激活。

exec的风险 #

exec和eval的风险本质一致：它会执行任意传入的代码字符串。如果你的GitHub仓库被恶意篡改、克隆过程中脚本被注入恶意代码，或者团队成员误提交了危险代码，exec会直接执行这些内容，可能导致数据泄露、服务器权限被窃取等严重安全问题。

优化方案 #

• 使用Databricks Repos：直接在Databricks中关联GitHub仓库，代码会自动同步，你可以像常规Python项目一样import仓库中的模块并调用函数，既支持动态更新，又符合安全规范。
• 修正%run的使用方式：确保auxiliary文件中是正常的函数定义（比如直接写def my_func(): ...），在main notebook中执行%run ./auxiliary后，直接调用函数即可，无需处理全局变量和exec。
• 安全动态加载：如果确实需要动态加载脚本，用importlib模块实现，避免使用exec这类危险的执行方式。

内容的提问来源于stack exchange，提问作者SummerIsPty