什么是序列化？
程序运行的过程中，变量都是在内存中的，当程序一旦执行完毕结束退出后，变量占有的内存就被释放。
如果将内存中的变量持久化存储到磁盘中，这个过程就成为序列化；下次运行的时候从磁盘中读取变量到内存中，这个过程就成为反序列化。
在python中序列化称为pickling，反序列化被称为pickling；在php中序列化被称为serialization，反序列化被称为unserialization。
Pickle and marshal
涉及到Python反序列化安全问题的模块主要包含两个pickle(cpickle)和marshal模块。
Pickle marshal的基本操作
进群：548377875 即可获取数十套PDF的获取方式哦！
pickle.dump(obj, file, [,protocol]) 将obj对象序列化存入已经打开的file中
import marshal
import pickle
dataList = ['test1', 'test2']
f = open('dataFile.txt', 'wb')
pickle.dump(dataList, f)
f.close()
pickle.load(file) 从file中读取序列化字符串，反序列化转换为python的数据对象
f = open('dataFile.txt', 'r')
dataList = pickle.load(f)
print(dataList) #['test1', 'test2']
f.close()
pickle.dumps(obj[, protocol]) 将obj对象序列化为string形式
class A:
def __init__(self):
print('This is A')
a = A()
p_a = pickle.dumps(a)
print(p_a)
pickle.loads(string) 从string中反序列化读出obj对象
class A:
def __init__(self):
print('This is A')
a = A()
p_a = pickle.dumps(a)
pickle.loads(p_a)
marsha模块同样包括dump,load/dumps,loads四个操作函数，基本操作和pickle模块相似。
支持pickle的数据类型
None，True和False
整数，长整数，浮点数，复数
普通和Unicode字符串
元组，列表，集和仅包含可序列化对象的字典
在模块顶层定义的函数
在模块顶层定义的内置函数
在模块顶层定义的类
__dict__或者调用__getstate__()并产生结果的类的实例
pickle marshal区别
一般情况下pickle应该始终是序列化Python对象的首选方法，marshal是一个更原始的序列化模块，marshal主要用于支持Python的.pyc文件。
pickle模块会跟踪已经序列化的对象，因此以后对同一对象的引用将不会再次序列化。marshal则不会这样做。
marshal不能用于序列化用户定义的类及其实例。pickle可以透明地保存和恢复类实例，但是类定义必须是可导入的，并且存储在与存储对象时相同的模块中。
marshal序列化格式不能保证在Python版本之间可移植。pickle序列化格式保证在Python版本之间向后兼容。
class A:
def __init__(self):
print('This is A')
a = A()
pickle.dumps(a)
marshal.dumps(a) # marshal不能用于序列化用户定义的类及其实例，报错 ValueError: unmarshallable object
Python反序列化代码执行问题
object.__reduce__() __reduce__()方法在序列化的字符被反序列化为对象的时候调用(类似PHP的wakeup魔术方法)。在新式类中生效，不带参数，应返回字符串或是一个元组。
如果返回一个字符串，该字符串应该被解释为全局变量的名称，它应该是对象相对于其模块的本地名称。
当返回一个元组时，它必须包含两到五个成员。可选成员可以省略，也可以提供None作为其值。
每个成员的意义是按顺序规定的：
第一个成员，将被调用的对象，callable。
第二个成员，可调用对象的参数的元组。如果callable不接受任何参数，则必须给出一个空元组。
当Python定义的类中的__reduce__函数返回的元组包含危险代码或可控，就会造成代码执行。
class A(object):
def __init__(self, func, arg):
self.func = func
self.arg = arg
print('This is A')
def __reduce__(self):
return (self.func, self.arg)
a = A(os.system, ('whoami',))
p_a = pickle.dumps(a)
pickle.loads(p_a)
print('==========')
print(p_a)
'''
This is A
rai4over
==========
cposix
system
p0
(S'whoami'
p1
tp2
Rp3
.
'''
pickle.loads
pickle.loads或者pickle.load的参数可控同样会造成代码执行。
payload = '''cposix
system
p0
(S'whoami'
p1
tp2
Rp3
.'''
pickle.loads(payload)
#rai4over
Pickle模块源码浅析
源码总体关键对象
首先是定义的四个异常类，分别是pickle.PickleError，pickle.PicklingError，pickle.UnpicklingError，_Stop。
接着就是非常重要的Pickle opcodes，在解析和调度中起到非常重要的作用
MARK = '(' # push special markobject on stack
STOP = '.' # every pickle ends with STOP
POP = '0' # discard topmost stack item
POP_MARK = '1' # discard stack top through topmost markobject
DUP = '2' # duplicate top stack item
.................
.................
NEWFALSE = '\x89' # push False
LONG1 = '\x8a' # push long from < 256 bytes
LONG4 = '\x8b' # push really big long
class Pickler，pickle.dump和pickle.dumps都会实例化这个类。
class Unpickler，pickle.load和pickle.loads都会实例化这个类。
def dump(obj, file, protocol=None):
Pickler(file, protocol).dump(obj)
def dumps(obj, protocol=None):
file = StringIO()
Pickler(file, protocol).dump(obj)
return file.getvalue()
def load(file):
return Unpickler(file).load()
def loads(str):
file = StringIO(str)
return Unpickler(file).load()
序列化流程浅析
以pickle.dumps序列化方法为例，测试代码不变：
class A(object):
def __init__(self, func, arg):
self.func = func
self.arg = arg
print('This is A')
def __reduce__(self):
return (self.func, self.arg)
a = A(os.system, ('whoami',))
p_a = pickle.dumps(a)
首先调用dumps方法，然后实例化Pickler类，会传入空的可写入对象进入__init__完成初始化，并调用该类的dump方法并传入序列化对象开始进行序列化。
def dumps(obj, protocol=None):
file = StringIO()
Pickler(file, protocol).dump(obj)
return file.getvalue()
初始化过程中对协议的类型进行了判断，还有将可写入对象的赋值给self.write等操作
class Pickler:
def __init__(self, file, protocol=None):
if protocol is None:
protocol = 0
if protocol < 0:
protocol = HIGHEST_PROTOCOL
elif not 0 <= protocol <= HIGHEST_PROTOCOL:
raise ValueError("pickle protocol must be <= %d" % HIGHEST_PROTOCOL)
self.write = file.write
self.memo = {}
self.proto = int(protocol)
self.bin = protocol >= 1
self.fast = 0
除了初始化，还需要注意的就是类变量dispatch，这个类变量是一个字典，键名是并非常见的string类型，而是使用的types模块下定义的数据的类型。
#types.py
NoneType = type(None)
TypeType = type
ObjectType = object
IntType = int
LongType = long
FloatType = float
BooleanType = bool
try:
ComplexType = complex
except NameError:
pass
StringType = str
try:
UnicodeType = unicode
StringTypes = (StringType, UnicodeType)
except NameError:
StringTypes = (StringType,)
BufferType = buffer
TupleType = tuple
ListType = list
DictType = DictionaryType = dict
def _f(): pass
FunctionType = type(_f)
LambdaType = type(lambda: None) # Same as FunctionType
CodeType = type(_f.func_code)
键值则为各个处理方法的地址，dispatch建立起了变量类型和处理方法的映射，可以称之为调度表。
初始化完关键的变量之后，就会进入dump方法，这里面最重要的就是self.save方法
def dump(self, obj):
"""Write a pickled representation of obj to the open file."""
if self.proto >= 2:
self.write(PROTO + chr(self.proto))
self.save(obj)
self.write(STOP)
save方法类似于一个分析调度器，分析我们传进来的需要序列化对象的数据类型，属性，根据结果进行不同调度，当传入的对象类型存在于dispatch调度表内时，直接传入处理函数，完成序列化。
示例中的序列化对象类型就是<class '__main__.A'>，不存在于dispatch调度表，因此是通过分析__reduce_ex__属性得到结果变量rv，我们可以发现这个就是我们定义类中的__reduce__的回调内容。
最后将obj和rv传入save_reduce函数。
self.save_reduce(obj=obj, *rv)
在save_reduce函数内，obj和rv两个参数分别传入save函数。
def save_reduce(self, func, args, state=None,
listitems=None, dictitems=None, obj=None):
if not isinstance(args, TupleType):
raise PicklingError("args from reduce() should be a tuple")
if not hasattr(func, '__call__'):
#.......................
#.......................
if self.proto >= 2 and getattr(func, "__name__", "") == "__newobj__":
#.......................
#.......................
else:
save(func) #再次进入save
save(args) #再次进入save
write(REDUCE)
此时重新经过save函数分析传进来了对象类型为<type 'builtin_function_or_method'>，可以在调度表里面找到。
save(args)是元组，同样可以在调度表中找到对应方法，序列化过程基本完成。
反序列化流程浅析
以pickle.loads反序列化方法为例，测试代码为上例序列化字符串：
payload = '''cposix
system
p0
(S'whoami'
p1
tp2
Rp3
.'''
pickle.loads(payload)
首先调用loads方法，然后实例化Unpickler类，进入__init__完成初始化，并调用该类的load方法开始反序列化。
def loads(str):
file = StringIO(str)
return Unpickler(file).load()
初始化后，同样拥有一个字典调度表dispatch，但这个这个调度表和pickle类中的不一样，键名是Pickle opcodes，键值是反序列化的处理方法。
然后进入load函数，对序列化字符进行关键字节读取，然后在调度表dispatch中寻找对应的处理函数。
def load(self):
"""Read a pickled object representation from the open file.
Return the reconstituted object hierarchy specified in the file.
"""
self.mark = object() # any new unique object
self.stack = []
self.append = self.stack.append
read = self.read
dispatch = self.dispatch
try:
while 1:
key = read(1) #key=c
dispatch[key](self)
except _Stop, stopinst:
return stopinst.value
比如我们反序列化的字符串的第一个字符为c，则根据调度表进入load_global函数，分别读取模块posix和方法名称system，然后进入find_class函数。
在find_class函数中，根据模块名导入模块，然后获取模块的方法，存入klass，然后作为返回值，并添加到stack中。
依次读取Pickle opcodes，完成反序列化，关键操作如下。
当为S时，调用函数load_string，读取命令字符串whoami并添加到stack中。
当为R时，调用load_reduce，从栈中获取回调函数和参数，并执行。
网友评论