有关Python序列化和存在的反序列化缺陷思考

0x00 面试被问到了

前段时间面试，问到了Python序列化漏洞，问我了解吗。我说平时用过，也大概知道其序列化后是一种什么形式，但序列化漏洞没怎么关注过。心里想，Python序列化漏洞难道不是和Java还有PHP一样，都是因为敏感操作引起的吗，过分信任了输入，其实也是代码注入的一种，没什么好说的啊。

结果是自己太 naive ，Python序列化方面的问题远没有这么简单。

0x01 序列化的方式

Python的序列化主流有两种方式，一种是使用pickle模块（cPickle是pickle的C语言版本，性能有提升），一种是使用JSON格式。还有个更古老的模块叫做 marshal，不过并不推荐，官方文档说marshal存在是为了用来支持 .pyc 文件。

那pickle和marshal之间有什么区别呢？

1. pickle会跟踪已经序列化的对象，如果有引用相同的对象，那么它将不会被再次序列化。但marshal依然会。
2. marshal不能序列化用户自定义的对象。
3. marshal不能保证在多个Python版本间传递。

同样的，pickle和json方式之间有什么区别吗？

1. json的序列化输出是文本对象（unicode），而pickle序列化的输出是二进制字节（bytes），如果不明白这两者的区别可以看我的上一篇博客：Python2和Python3之间关于字符串编码处理的差别。
2. json可读性更好。
3. json拥有广泛的兼容性，能够在Python以外的很多地方使用。而pickle只针对Python。
4. json只能表示一部分Python内置的类型，不能表示用户自定义的类对象。当你尝试序列化一个自定义的类对象时，会抛出一个 TypeError 。而pickle则能表示大多数对象，包括用户自定义的类（绝大部分）。

还有个模块叫做 pickletools 用来分析pickle产生的数据。

所以综上，pickle是一个相对较好的Python序列化模块。

0x02 怎么使用

序列化：
pickle.dump(obj, file, protocol=None, *, fix_imports=True)，最重要的是前两个参数，该方法将obj对象序列化为字节（bytes）输出到file文件中。
pickle.dumps(obj, proto