如何在不使用eval/exec的安全前提下，为用户提交的Python代码植入自定义sys.settrace追踪逻辑？

我完全理解你的顾虑——直接用eval/exec执行用户提交的代码确实有很大安全隐患，尤其是面对不可信的代码时。不过别担心，我们有几个安全可靠的方案，既能实现sys.settrace的追踪功能，又能避开这些风险。

方案一：临时文件+模块导入法（最直观安全） #

核心思路是把用户代码写入临时文件，通过Python的模块导入机制来执行代码，同时在导入前启用你的追踪函数。这种方式完全不需要直接eval/exec字符串，而且能完整捕获代码执行的全流程。

代码示例 #

import sys
import tempfile
import importlib.util
import os

# 先定义你的追踪函数，这里以打印行号和函数名为例
def trace_calls(frame, event, arg):
    if event == 'line':
        print(f"正在执行第 {frame.f_lineno} 行，函数：{frame.f_code.co_name}")
        # 如果你要追踪变量，可以通过frame.f_locals获取当前局部变量
        # 比如 print("当前变量：", frame.f_locals)
    return trace_calls

def safe_track_user_code(user_submitted_code):
    # 创建临时.py文件，写入用户代码
    with tempfile.NamedTemporaryFile(mode='w', suffix='.py', delete=False) as tmp_file:
        tmp_file.write(user_submitted_code)
        tmp_file_path = tmp_file.name
    
    try:
        # 启用追踪
        sys.settrace(trace_calls)
        
        # 导入临时模块，触发代码执行
        spec = importlib.util.spec_from_file_location("user_code_module", tmp_file_path)
        user_module = importlib.util.module_from_spec(spec)
        spec.loader.exec_module(user_module)
        
    finally:
        # 清理工作：关闭追踪，删除临时文件
        sys.settrace(None)
        os.unlink(tmp_file_path)

# 测试用的用户提交代码
user_code = """
def adder(x,y):
    return x + y

result = adder(3,5)
print(f"计算结果：{result}")
"""

safe_track_user_code(user_code)

方案优势 #

• 完全避开直接执行字符串的风险，符合Python的安全执行规范
• 追踪函数可以完整捕获用户代码执行的每一行、函数调用、变量变化等事件
• 可以配合沙箱机制（比如限制可导入的模块、禁用危险内置函数）进一步提升安全性

方案二：AST语法树修改法（精准控制追踪点） #

如果你需要更细粒度的追踪控制（比如只追踪变量赋值、特定函数调用），可以用Python的ast模块解析用户代码的语法树，在指定位置注入追踪逻辑，再编译执行修改后的语法树。这种方式比字符串拼接安全得多，因为能确保语法正确性，避免注入攻击。

代码示例（简化版） #

import ast
import sys

# 自定义AST转换器，在赋值语句前插入追踪逻辑
class TraceInjector(ast.NodeTransformer):
    def visit_Assign(self, node):
        # 生成追踪代码的AST节点，这里以打印赋值目标为例
        trace_stmt = ast.parse(f"print('追踪赋值：{ast.dump(node.targets[0])}')").body[0]
        # 返回修改后的节点：先执行追踪，再执行原赋值
        return ast.Module(body=[trace_stmt, node], type_ignores=[])

def ast_based_track(user_submitted_code):
    # 解析用户代码为AST
    code_tree = ast.parse(user_submitted_code)
    # 注入追踪逻辑
    injector = TraceInjector()
    modified_tree = injector.visit(code_tree)
    ast.fix_missing_locations(modified_tree)
    
    # 创建隔离的命名空间，限制用户代码的权限
    safe_globals = {
        "__builtins__": {k: v for k, v in __builtins__.__dict__.items() if k not in ["open", "os", "sys"]}
        # 这里可以进一步过滤掉危险的内置函数
    }
    safe_locals = {}
    
    try:
        # 启用追踪
        sys.settrace(trace_calls)
        # 编译并执行修改后的AST
        compiled_code = compile(modified_tree, "<user_code>", "exec")
        exec(compiled_code, safe_globals, safe_locals)
    finally:
        sys.settrace(None)

方案优势 #

• 可以精准控制追踪的位置和逻辑，比如只追踪赋值、函数进入/退出等事件
• 通过AST修改注入逻辑，比字符串拼接更安全，避免语法错误和注入攻击
• 配合隔离命名空间，可以严格限制用户代码的权限

关键安全提醒 #

无论用哪种方案，都必须做沙箱隔离：

• 使用RestrictedPython等库创建严格的执行环境，过滤掉危险语法和内置函数
• 限制用户代码的资源使用（比如CPU、内存），防止恶意代码耗尽资源
• 永远不要在生产环境中直接执行未经过滤的用户代码，必须先做语法检查和安全扫描

备注：内容来源于stack exchange，提问作者Anuj Kumar