你的pyc文件，泄露了你的秘密！-技术圈

英文原文：https://blog.jse.li/posts/pyc/

译者：穆胜亮

摘要：缓存控制着我周围的所有事物。pyc文件包含机密信息，因此不应该包含在源代码控制系统中。可以使用Python标准的.gitignore文件，移除源代码控制系统对pyc文件的包含。

当你第一次导入Python文件时，Python解释器将编译该文件并将产生的字节码缓存到.pyc文件中，这样以后导入时就避免了再解析或编译代码产生新的开销。

对于Python项目来说，将配置、密钥和密码(统称为“机密”)存储在名为secret.py，config.py或者settings.py之类的gitignored Python文件中也是一种常见的实践，这些机密信息在项目的其他部分导入使用。这在机密信息和源代码之间提供了一个很好的分离，在大多数情况下，这种设置工作得很好。而且由于它复用了语言的导入机制，这些项目不必在文件I/O或JSON之类的格式上浪费时间。

但是在这种模式快速且方便的同时，它也可能是不安全的。因为它重用了语言的导入机制(该机制有创建和缓存.pyc文件的习惯)，所以这些机密也存在于编译的字节码中！使用GitHub API进行的一些初步研究显示，数千个GitHub代码仓库的字节码中隐藏着机密。

用于在代码仓库中查找机密的现有工具(我最喜欢的是trufflehog)跳过了像.pyc这样的二进制文件，而是只扫描纯文本文件，如源代码或配置文件。

缓存来源的速成课程

Python的早期版本将这些文件存储在原始源文件旁边，但是从Python 3.2开始，这些文件都位于导入模块根目录的一个名为__pycache__的文件夹中。

假设我们有一个包含下面密码的Python文件:

这行代码的字节码是这样的:

注意，变量名和字符串是完全复制的！而且，Python字节码通常包含足够的信息来恢复代码的原始结构。像uncompyle6这样的工具可以将.pyc文件转换回它们的原始形式。

缓存泄漏机密

为了调查这个问题到底有多普遍，我编写了一个简短的脚本来搜索GitHub上的.pyc文件并对其进行反编译以寻找秘密。最后我找到了数千个Twitter密钥、条带标记、AWS证书和社交媒体密码。我通知了被我用这种方式破解密钥的相关机构。

你自己试试吧!

这篇文章附带了一个小的夺旗风格的实验，你可以自己尝试这种风格的攻击。

代码地址：https://github.com/veggiedefender/pyc-secret-lab/

额外说明

缓存的字节码是一种底层的内部性能优化，Python的这种优化为我们带来了方便！如果没有像反汇编或反编译这样的特殊工具，.pyc文件的内容是难以理解的。当这些文件被隐藏在__pycache__(双下划线代表仅供内部使用)中时，它们很容易被忽视。许多文本编辑器和IDE将这些文件夹和文件从源代码目录树中隐藏起来，以避免弄乱屏幕，从而很容易忘记它们的存在。

也就是说，对于一个有经验的程序员来说，无意中泄漏他们的机密是很容易的，而且初学者更容易犯这样的错误。要避免这种情况，要么需要有足够的gitignore知识，要么需要对git和Python内部有一定的了解。

你可以做的事情:

在你的代码仓库中查找松散的.pyc文件，并删除它们
如果你有.pyc文件并且它们包含机密，那么可以撤销和轮换你的机密
使用标准的gitignore来防止检入.pyc文件
使用JSON文件或环境变量进行配置