w4_05 · 安全审查清单（对 projects/kb 与 projects/aggregator 各做一遍）¶

目标：列出 ≥5 处可改进项，修掉 3 处并提交（commit 前缀 fix(security): 或 refactor:）。不确定的条目写"待确认 + 理由"，不要猜。

一、输入与解析¶

• 所有外部输入（命令行参数、环境变量、HTTP 请求体/查询/头、文件内容）都经过 Pydantic 或显式类型校验，而不是直接 dict["key"]
• 没有 eval / exec / pickle.loads / yaml.load（非 safe）处理不可信数据
• 正则不会灾难性回溯（嵌套量词如 (a+)+、对超长输入的 .*）；对用户提供的 --regex 有长度/超时兜底
• 数字参数有范围（ge/le），字符串有长度上限，列表有条数上限

二、文件与路径¶

• 用户给的路径先 Path(...).resolve()，再检查是否仍在允许的根目录之下（path.is_relative_to(root)），防路径穿越 ../../etc/passwd
• 所有文本读写显式 encoding="utf-8"；写关键文件走"临时文件 + os.replace"
• 不把用户输入直接拼进文件名（清洗或用 id）
• 临时文件用 tempfile，不用 /tmp/固定名

三、命令与外部进程¶

• subprocess 一律列表参数、shell=False、显式 timeout
• 不用 sys.executable 以外的写死解释器路径；不用 os.system
• 子进程的输出上限可控（不会因为对方无限输出而耗尽内存）

四、数据库¶

• SQL 全部参数化（?），没有 f-string 拼 SQL；LIKE 的通配符来自用户时考虑转义 % _
• 事务边界清晰（with conn:），失败会回滚
• 数据库文件不在仓库里（*.db 在 .gitignore）

五、密钥与配置¶

• 代码里没有任何真实密钥/令牌/密码（rg -n "sk-|token|password|secret" src 检查）
• .env 在 .gitignore，仓库只有 .env.example；Git 历史里也没有（git log -p -S "sk-"）
• 日志不打印密钥、完整请求头、用户隐私；错误响应不带堆栈
• 配置缺失时"启动即失败"而不是带着默认密钥跑

六、网络（aggregator / Notebook Service）¶

• 每个 HTTP 请求都有超时；重试只针对幂等请求与 5xx/网络错误
• 抓取的 URL 来自可信列表或经过校验（禁止 file://、内网地址等，防 SSRF）
• 服务默认只监听 127.0.0.1；对外暴露前先有鉴权
• CORS 不用 * + 凭证；写操作需要 X-API-Key（或更强的机制）
• 依赖锁定在 uv.lock；知道 uv tree / pip-audit 能查已知漏洞

七、错误与日志¶

• 没有 except: pass / except Exception: pass
• logger.exception 用在"意外错误"，logger.warning 用在"可恢复的预期错误"
• 日志文件 UTF-8、有轮转，不无限增长

作答区¶

kb¶

aggregator¶

服务器实操记录¶

• 在 H20 上 git clone + uv sync，uv run aggregator serve-stub --port 8001 起服务
• 本机 ssh -L 8001:127.0.0.1:8001 user@host，浏览器打开 http://localhost:8001/health 看到 {"status": "ok"}
• 记录：Linux 与 Windows 上 bench --count 30 的三组数字差异，写进周日志

提示（不要先看）：常见发现包括——kb import 对任意目录递归读取没有大小/数量上限；kb search --regex 直接编译用户正则；aggregator 的 --base-url 未校验协议；导出路径未限制在工作目录内；日志级别 DEBUG 时会打印完整 URL（可能含查询串里的令牌）。