如何确保Python函数仅基于其输入生成输出？

Question

为了生成输出，函数通常只使用其参数的值。然而，有时候函数需要从文件系统、数据库或者网络中读取内容来生成输出。我希望有一种简单可靠的方式来确保不会发生这种情况。

一个解决方法是创建一个白名单，列出可以用于读取文件系统、数据库或网络的Python库。但如果采用这种方法，从哪里获取这个（可能很大）列表呢？此外，我不想禁用整个库，只因为它可以用于读取文件系统。例如，我希望用户能够使用pandas库（存储和操作表格数据），但不希望他们能够使用该库从文件系统中读取数据。

这个问题是否有解决方案？

- Roman

---

退一步，你为什么要防止某人从外部源读取信息？ - chepner

有很多原因。首先，我想确保将来该函数生成的输出与今天相同。其次，一般来说，当一个函数在某个地方读取某些东西时，我认为这是一种“丑陋”的解决方案。它应该只看到它明确接收的输入。如果应该从文件或数据库中读取某些内容，则应该在函数外部进行读取，并将其作为其输入之一传递给函数。 - Roman

你想要使用你不信任的代码吗？ - Steven Rumbalski

你试图保护这个函数免受谁的攻击？那些将要更改函数以从磁盘读取的人也可以更改你的白名单，这样做有什么意义呢？ - dano

听起来你可能需要一个被隔离的 Python 版本。已经有一些失败的尝试去实现这个功能（比如 pysandbox）。PyPy 支持此功能，但我不知道还有其他确实安全的选择。 - dano

Answer 1

答案是否定的。您需要寻找一个测试 函数纯度 的函数。但是，正如此代码所示，无法保证不会实际调用任何副作用。

class Foo(object):
    def __init__(self, x):
        self.x = x
    def __add__(self, y):
        print("HAHAHA evil side effects here...")
        # proceed to read a file and do stuff
        return self

# this looks pure...
def f(x): return x + 1

# but really...
>>> f(Foo(1))
HAHAHA evil side effects here...

由于对象可以全面重新定义它们的行为（字段访问、调用、操作符重载等），因此您始终可以传递一个使纯函数变成不纯的输入。因此，唯一的纯函数是那些字面上不对其参数进行任何操作的函数...这类函数通常不太有用。

当然，如果您可以指定其他限制，这将变得更加容易。

- PythonNut

---

在你的例子中，“恶劣效果”发生是因为函数的用户做了一些“坏事”（用户使用了一个“好”的函数，但使用了一个“坏”的参数）。而在我的情况下，我是函数的用户。所以，我不会以“不良”的方式调用函数。我只需要确保我使用的函数是“好”的即可。 - Roman

@Roman：你的要求原本更强烈。你写道：“我希望用户能够……但我不希望他们能够使用这个库来读取文件系统中的数据。”而现在你却写道：“我不会以错误的方式调用函数。”这似乎很不寻常。你相信用户，但不相信已安装的软件？ - hynekcer

Answer 2

即使你删除所有模块和所有函数，也可以打破您所需的限制。如果代码可以使用任意简单对象的属性，例如数字零的属性，则可以访问文件。

(0).__class__.__base__.__subclasses__()[40]('/etc/pas'+'swd')

索引40是Python 2.7的特点之一，但是子类<type 'file'>的索引可以很容易地找到：

[x for x in (1).__class__.__base__.__subclasses__()if'fi'+'le'in'%s'%x][0](
 '/etc/pas'+'swd')

白名单和黑名单的任何组合都不安全和/或过于限制性。 pypy沙箱 的原则是坚不可摧的：

... 此子进程可以运行任意不受信任的Python代码，但其所有输入/输出都序列化为stdin / stdout管道，而不是直接执行。外部进程读取管道并决定允许或不允许哪些命令（沙盒化），甚至以不同方式重新解释它们...

此外，基于seccomp内核功能的解决方案足够安全。（博客）

---

我想确保在未来该函数将生成与今天相同的输出。

编写具有固定可重现结果且不易被阻止的函数非常容易：

class A(object):
    "This can be any very simple class"
    def __init__(self, x):
        self.x = x
    def __repr__(self):
        return repr(self.x)

def strange_function():
    # You get a different result probably everytimes.
    return list(set(A(i) for i in range(20)))

>>> strange_function()
[1, 18, 12, 5, 16, 15, 8, 2, 14, 0, 6, 19, 13, 11, 10, 9, 17, 3, 7, 4]
>>> strange_function()
[0, 9, 14, 3, 17, 5, 6, 11, 8, 1, 15, 7, 12, 13, 2, 10, 16, 4, 19, 18]

即使您删除了所有依赖于时间、随机数生成器、哈希函数等的内容，也很容易编写一个函数，有时会超出可用内存或超时限制，有时会给出结果。

---

< p > 编辑：
Roman，您最近写道您确信可以相信用户。那么存在一种现实的解决方案。它是通过将输入和输出记录到文件并在运行远程IPython笔记本的虚拟机上进行验证（漂亮的短教程视频，支持远程计算，通过Web文档菜单从浏览器重新启动后端服务只需一秒钟，因为它是由我们的活动逐步动态创建的调用远程后端的javascript而不会丢失笔记本（HTML文档）中的数据（输入/输出））。

您无需关心内部调用，只需全局输入和输出，直到找到差异为止。虚拟机应能够独立且可重复地验证结果。配置防火墙，使该机器接受您的连接，但不能发起出站连接。配置文件系统，使当前用户无法保存数据，因此除软件组件外，它们不存在。禁用数据库服务。以随机顺序验证结果输入/输出，或在不同端口上启动两个IPython笔记本服务，并为笔记本上的每个命令行选择随机后端，或在重要事项之前频繁重新启动后端进程。如果发现差异，请调试您的代码并修复它。

如果您不需要交互性，则可以最终使用IPython远程计算自动化它而不使用“笔记本”。

- hynekcer

---

需要注意的是，您还可以从对象的随机化内存地址获取随机数。class A:pass;str(A) - PythonNut

Answer 3

你需要的是沙箱或受限制的Python。两者几乎已死。今天最接近功能的是http://pypy.readthedocs.org/en/latest/sandbox.html，但请注意，最新版本实际上已经有3年了。

- Dima Tisnek