Python后端接口安全校验请求体防止恶意数据

Python后端接口如果不做请求体安全校验，等于把数据库大门直接敞开。很多人以为加了JWT或OAuth就万事大吉，实际上恶意数据绕过认证后直接打到业务逻辑层的情况非常普遍。请求体校验的核心不是“有没有做”，而是“在哪个层面做、校验哪些字段、失败后如何响应”。真正有效的做法是把校验前置到视图函数入口，配合Pydantic或Marshmallow做结构化约束，同时对字符串长度、数值范围、枚举值、嵌套结构、未知字段进行严格限制。

无论前端做了多少表单验证，后端必须重新校验。前端验证只是用户体验层，攻击者可以直接用curl、Postman或自写脚本构造原始HTTP请求。请求体中的JSON、XML、表单数据、文件上传字段都可能被篡改。常见风险包括：超长字符串导致数据库截断异常或内存消耗、负数金额、越界分页参数、类型混淆（字符串传数字字段）、嵌套对象深度过大导致递归解析崩溃、注入特殊字符触发SQL或命令拼接。安全校验不是简单判断字段是否存在，而是对每个字段的类型、长度、格式、范围、业务合法性做完整约束。

FastAPI生态中Pydantic是事实标准。定义一个请求体模型，声明每个字段的类型和约束条件，框架会在进入业务逻辑前自动解析并校验。示例：

from pydantic import BaseModel, Field, EmailStr, validator
from typing import Optional, List
from datetime import datetime

class OrderItem(BaseModel):
    product_id: int = Field(..., ge=1, description="商品ID必须为正整数")
    quantity: int = Field(..., ge=1, le=999, description="单件商品数量限制1-999")
    unit_price: float = Field(..., ge=0.01, le=999999.99, description="单价范围限制")

class CreateOrderRequest(BaseModel):
    user_id: int = Field(..., ge=1)
    email: EmailStr
    items: List[OrderItem] = Field(..., min_items=1, max_items=50)
    coupon_code: Optional[str] = Field(None, max_length=32)
    remark: Optional[str] = Field(None, max_length=500)
    created_at: datetime = Field(default_factory=datetime.utcnow)

    @validator('coupon_code')
    def validate_coupon(cls, v):
        if v and not v.isalnum():
            raise ValueError('优惠码只能包含字母和数字')
        return v.upper()

这段代码直接限制了商品ID必须大于等于1，数量在1到999之间，单价有上下限，订单商品列表至少1项最多50项，邮箱必须符合格式，优惠码只能字母数字并自动转大写。任何不符合规则的数据都会在进入视图函数前被拦截，返回422状态码和结构化错误信息。这样攻击者无法通过构造超大数量、负数金额、非法邮箱来探测系统漏洞。

Pydantic默认会忽略请求体中多余的字段，这在安全上存在隐患。攻击者可以发送大量无关字段，试图探测后端模型结构或触发反序列化漏洞。建议在模型配置中禁止额外字段：

class StrictBaseModel(BaseModel):
    class Config:
        extra = 'forbid'
        max_anystr_length = 1000
        max_nesting_depth = 5

所有请求体模型继承这个基类，任何未声明的字段都会导致422错误。max_anystr_length限制任意字符串最大长度，防止超长文本攻击；max_nesting_depth限制嵌套深度，防止构造深层JSON导致解析器栈溢出。这两个配置在Pydantic v2中非常实用，很多团队忽略了它们。

即使用了Pydantic，仍需在框架层面对原始请求体大小做限制。Starlette/FastAPI默认不限制请求体大小，攻击者可以发送几百MB的JSON让服务器内存耗尽。在ASGI层面或反向代理层设置请求体上限：

# 使用中间件限制请求体大小
from starlette.middleware.base import BaseHTTPMiddleware
from starlette.responses import JSONResponse

class LimitRequestBodyMiddleware(BaseHTTPMiddleware):
    async def dispatch(self, request, call_next):
        content_length = request.headers.get('content-length')
        if content_length and int(content_length) > 5 * 1024 * 1024:  # 5MB
            return JSONResponse(status_code=413, content={"detail": "请求体过大"})
        return await call_next(request)

这个中间件在请求进入路由前检查Content-Length头，超过5MB直接返回413。注意Content-Length可以被伪造或省略，所以还需要在读取请求体时做流式限制。对于Flask或Django，同样需要在WSGI层或网关层设置body大小限制，不能只依赖应用层模型校验。

长度限制只是第一步。字符串内容可能包含控制字符、Unicode混淆字符、零宽字符、HTML标签、SQL片段。对于不同用途的字段，清洗策略不同：

import re
import html

def sanitize_text(value: str, max_len: int = 200) -> str:
    # 移除控制字符（保留换行和制表符）
    value = re.sub(r'[\x00-\x08\x0b\x0c\x0e-\x1f\x7f]', '', value)
    # 移除零宽字符
    value = re.sub(r'[\u200b-\u200f\u202a-\u202e\ufeff]', '', value)
    # 统一换行符
    value = value.replace('\r\n', '\n').replace('\r', '\n')
    # 截断超长
    if len(value) > max_len:
        value = value[:max_len]
    return value.strip()

对于会回显到前端的字段，还需要做HTML转义防止存储型XSS。对于会拼接到SQL的字段，必须使用参数化查询而不是手动拼接。对于会写入日志的字段，要防止日志注入（换行符伪造日志记录）。这些清洗逻辑应该放在Pydantic的validator中，确保进入业务层的数据已经干净。

JSON中的数字在Python里可能被解析为int或float，但攻击者可以发送超大整数（超过数据库INT范围）、NaN、Infinity、科学计数法表示的数字。Pydantic默认会拒绝NaN和Infinity，但需要显式设置范围。对于金额字段，建议使用Decimal而不是float，避免浮点精度问题：

from decimal import Decimal
from pydantic import condecimal

class PaymentRequest(BaseModel):
    amount: condecimal(ge=Decimal('0.01'), le=Decimal('1000000'), max_digits=10, decimal_places=2)
    user_id: conint(ge=1, le=999999999)

condecimal和conint是Pydantic提供的约束类型，直接限制小数位数和整数范围。如果业务中金额计算涉及汇率或分成，Decimal的精度控制能避免很多安全与财务问题。对于分页参数，限制page在1到10000之间，page_size在1到100之间，防止攻击者请求超大分页拖垮数据库。

状态字段、类型字段、排序字段必须使用枚举或白名单，不能接受任意字符串。攻击者经常通过枚举字段注入非法值，探测后端分支逻辑或触发未处理异常。使用Python的Enum配合Pydantic：

from enum import Enum

class OrderStatus(str, Enum):
    PENDING = 'pending'
    PAID = 'paid'
    SHIPPED = 'shipped'
    CANCELLED = 'cancelled'

class UpdateOrderRequest(BaseModel):
    status: OrderStatus
    sort_by: Literal['created_at', 'amount', 'status']

Literal类型在Pydantic中可以直接限制字段只能取特定值。任何不在白名单中的值都会被拒绝，避免攻击者传入“admin”“deleted”“all”等特殊值触发越权或批量操作。

请求体中的嵌套JSON对象和数组是攻击者重点利用的地方。深层嵌套会导致递归解析性能下降，超长列表会导致数据库批量插入压力。除了Pydantic的max_nesting_depth，还需要对列表字段设置min_items和max_items。对于树形结构数据（如评论、分类、组织架构），需要额外限制树的深度和节点总数：

def validate_tree_depth(node, current_depth=0, max_depth=5):
    if current_depth > max_depth:
        raise ValueError('树结构深度超过限制')
    children = node.get('children', [])
    if len(children) > 20:
        raise ValueError('单层子节点数量超过限制')
    for child in children:
        validate_tree_depth(child, current_depth + 1, max_depth)

这种递归校验放在业务逻辑入口处，防止攻击者构造深度为1000的嵌套JSON导致栈溢出或数据库递归查询超时。

如果接口涉及文件上传，请求体可能是multipart/form-data格式。此时需要校验文件大小、MIME类型、文件扩展名、文件内容魔数。不能只信任客户端声明的Content-Type，必须读取文件头判断真实类型：

import magic

def validate_upload_file(file_bytes: bytes, max_size: int = 10 * 1024 * 1024):
    if len(file_bytes) > max_size:
        raise ValueError('文件大小超过10MB限制')
    mime = magic.from_buffer(file_bytes[:1024], mime=True)
    allowed_mimes = {'image/jpeg', 'image/png', 'application/pdf'}
    if mime not in allowed_mimes:
        raise ValueError(f'不允许的文件类型: {mime}')
    # 检查文件头魔数
    if mime == 'image/jpeg' and not file_bytes.startswith(b'\xff\xd8\xff'):
        raise ValueError('伪造的JPEG文件')
    if mime == 'image/png' and not file_bytes.startswith(b'\x89PNG\r\n\x1a\n'):
        raise ValueError('伪造的PNG文件')

文件上传是高风险区域，除了类型和大小，还需要对文件名做清洗（移除路径穿越字符如../），存储时使用随机生成的文件名而不是用户提供的原始文件名。

校验失败时返回的错误信息不能泄露内部结构。Pydantic默认的422响应会包含字段名和错误类型，这本身是合理的，但不要在生产环境返回详细的堆栈信息或数据库错误。自定义异常处理器，统一返回格式：

from fastapi.exceptions import RequestValidationError
from fastapi.responses import JSONResponse

@app.exception_handler(RequestValidationError)
async def validation_exception_handler(request, exc):
    errors = []
    for error in exc.errors():
        errors.append({
            'field': '.'.join(str(loc) for loc in error['loc'][1:]),
            'message': error['msg']
        })
    return JSONResponse(status_code=422, content={'code': 422, 'message': '请求参数校验失败', 'errors': errors})

这样返回的错误信息结构化且不暴露内部代码路径。对于生产环境，还可以选择隐藏具体的字段错误，只返回通用提示，避免攻击者通过错误信息探测接口结构。

请求体校验只是第一道防线。即使校验逻辑完善，攻击者仍可能通过大量合法格式的请求进行业务攻击（如刷单、撞库、枚举用户ID）。需要在接口层面叠加限流策略，对单个IP、用户、设备指纹做频率控制。同时记录关键操作的审计日志，包括请求体摘要（脱敏后）、校验失败原因、来源IP、时间戳。日志中不能记录密码、令牌、身份证号等敏感字段的明文。

Python后端接口的请求体安全校验是一个系统工程，需要从模型层、框架层、中间件层、业务层多个维度协同。Pydantic提供了强大的声明式校验能力，但开发者必须主动设置约束条件，而不是使用宽松的默认配置。对未知字段的禁止、字符串深度的清洗、数值范围的严格限制、枚举白名单的强制、嵌套结构的深度控制、文件上传的内容检测，每一项都直接关系到接口能否抵御恶意数据。安全校验的最终目标不是“让正常请求通过”，而是“让异常请求在造成破坏前被精准拦截”。