如何在MLRun中安全管理作业所需的敏感密钥凭证？

直接使用fn.set_env()硬编码明文密钥的方式，会将敏感信息持久化存储在函数定义、导出配置、版本控制记录中，存在明确的泄露风险，推荐使用以下几种MLRun原生支持的安全方案替代：

• 方案1：使用MLRun项目级密钥（零额外运维成本，最适合常规场景）
  提前通过MLRun CLI或管理UI将敏感密钥存入对应项目的加密密钥存储，全程不要在代码中出现明文值：

  1. 执行CLI命令写入密钥（仅需配置一次，后续同项目作业可复用）：

     mlrun project secrets set DBUSER=<你的数据库用户名> DBPASS=<你的数据库密码> --project <你的项目名称>
     

  2. 函数代码中移除明文set_env配置，改为从项目密钥源拉取注入运行时环境：

     import mlrun
     fn = mlrun.code_to_function("db-load",
      kind = "job",
      requirements = ['psycopg2-binary']
     )
     # 从项目密钥存储中拉取对应值注入环境变量，无明文暴露
     fn.set_env_from_secret("DBUSER", secret_key="DBUSER")
     fn.set_env_from_secret("DBPASS", secret_key="DBPASS")
     

  配置完成后，作业运行时会自动拉取解密后的密钥注入Pod环境，业务代码中读取DBUSER/DBPASS环境变量的逻辑不需要做任何修改。

• 方案2：直接引用Kubernetes原生Secret（适合已有K8s密钥管理体系的场景）
  如果你的团队已经将敏感信息统一存储在Kubernetes Secret资源中，可以直接引用集群内的Secret，密钥值完全不会经过MLRun存储链路：

  1. 提前在MLRun作业运行的命名空间创建好存储数据库凭证的Secret（例如名为db-connection-creds），写入DBUSER、DBPASS对应键值
  2. 函数中配置直接引用K8s Secret注入环境变量：

     fn.set_env_from_secret(
         env_name="DBUSER",
         secret_name="db-connection-creds",
         secret_key="DBUSER"
     )
     fn.set_env_from_secret(
         env_name="DBPASS",
         secret_name="db-connection-creds",
         secret_key="DBPASS"
     )
     

  密钥由Kubernetes在Pod启动阶段直接挂载注入，全程不会在MLRun的函数配置、运行日志中暴露明文。

• 方案3：对接企业级KMS密钥管理服务（适合高合规要求场景）
  如果有等保、金融级合规要求，可以将MLRun密钥源对接HashiCorp Vault、云厂商托管KMS等专业密钥管理服务，只需要给MLRun作业配置对应KMS的最小读取权限，作业运行时会自动从KMS拉取临时密钥注入环境，不需要在MLRun或K8s中持久化存储敏感值。

注意事项：禁止将包含明文密钥的代码提交到版本控制系统，所有密钥写入操作建议通过CI/CD流水线在部署阶段动态执行，不要将敏感值硬编码在任何业务代码、配置文件中。

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