安全模型
YOLO-Toys 实施纵深防御安全原则。每一层独立保证一个安全属性，确保信任边界中不存在单点故障。
防御层
第一层：传输安全
所有响应都包含安全头：
python
class SecurityHeadersMiddleware:
async def __call__(self, scope, receive, send):
# 为所有响应添加安全头
headers = [
(b"x-content-type-options", b"nosniff"),
(b"x-frame-options", b"DENY"),
(b"x-xss-protection", b"1; mode=block"),
(b"referrer-policy", b"strict-origin-when-cross-origin"),
(b"permissions-policy", b"accelerometer=(), camera=(), geolocation=()"),
]| 头部 | 目的 |
|---|---|
X-Content-Type-Options: nosniff | 防止 MIME 嗅探 |
X-Frame-Options: DENY | 阻止点击劫持 |
X-XSS-Protection | 遗留 XSS 过滤器（纵深防御） |
Referrer-Policy | 限制 referrer 信息 |
Permissions-Policy | 限制浏览器功能 |
第二层：流量控制
速率限制
python
class RateLimitMiddleware:
def __init__(self, app, requests_per_minute: int = 60):
self.app = app
self.buckets: dict[str, TokenBucket] = {}
self.rpm = requests_per_minute每 IP 令牌桶具有：
- 可配置速率（默认：60 请求/分钟）
- 自动清理过期桶
- 带有
Retry-After头的优雅 429 响应
超时保护
python
class TimeoutMiddleware:
async def __call__(self, scope, receive, send):
try:
await asyncio.wait_for(
self.app(scope, receive, send),
timeout=self.timeout
)
except asyncio.TimeoutError:
# 返回 504 Gateway Timeout第三层：代理兼容性
CORS 配置
python
app.add_middleware(
CORSMiddleware,
allow_origins=settings.cors_origins,
allow_credentials=True,
allow_methods=["GET", "POST", "OPTIONS"],
allow_headers=["Content-Type", "Authorization"],
)GZip 压缩
python
app.add_middleware(GZipMiddleware, minimum_size=1000)第四层：输入验证
路径遍历防护
python
def validate_model_id(model_id: str) -> str:
# 先进行 URL 解码（捕获编码攻击）
decoded = urllib.parse.unquote(model_id)
forbidden = ["../", "..\\", "/", "\\", "\x00"]
for pattern in forbidden:
if pattern in model_id or pattern in decoded:
raise SecurityError(f"禁止的模式：{pattern}")
return model_id这可以捕获：
- 直接遍历：
../../../etc/passwd - URL 编码：
%2e%2e%2f%2e%2e%2f - 混合编码：
..%2f..%2f - 空字节：
model.pt%00.exe
魔术数字验证
python
def validate_image(data: bytes) -> None:
# 检查文件签名（魔术数字）
signatures = {
b'\xff\xd8\xff': 'JPEG',
b'\x89PNG\r\n\x1a\n': 'PNG',
b'GIF87a': 'GIF',
b'GIF89a': 'GIF',
b'RIFF': 'WebP',
}
for sig, fmt in signatures.items():
if data.startswith(sig):
return
raise SecurityError("无效的图像格式")文件大小限制
python
MAX_UPLOAD_MB = int(os.getenv("MAX_UPLOAD_MB", "10"))
MAX_UPLOAD_BYTES = MAX_UPLOAD_MB * 1024 * 1024第五层：执行隔离
每个处理器验证自己的参数：
python
class InferenceParams:
conf: float = 0.25 # 范围：0.0-1.0
iou: float = 0.45 # 范围：0.0-1.0
max_det: int = 300 # 范围：1-1000
def __post_init__(self):
if not 0 <= self.conf <= 1:
raise ValueError("conf 必须在 [0, 1] 范围内")
if not 0 <= self.iou <= 1:
raise ValueError("iou 必须在 [0, 1] 范围内")
if not 1 <= self.max_det <= 1000:
raise ValueError("max_det 必须在 [1, 1000] 范围内")内存安全
缓存通过以下方式防止 OOM：
- 最大大小限制 —— 缓存模型的硬上限
- 内存阈值 —— 85% 使用时主动驱逐
- CUDA 缓存清理 —— GPU 内存回收
python
def __setitem__(self, key: str, value: LoadedModel) -> None:
with self._lock:
if get_memory_usage() > self._memory_threshold:
self._evict_lru_unsafe()
torch.cuda.empty_cache()
super().__setitem__(key, value)审计追踪
所有安全相关事件都会被记录：
python
logger.warning(
"安全：路径遍历尝试",
extra={
"model_id": model_id,
"client_ip": client_ip,
"user_agent": user_agent,
}
)配置参考
| 变量 | 默认值 | 安全影响 |
|---|---|---|
MAX_UPLOAD_MB | 10 | 限制通过大文件上传进行 DoS |
MAX_CONCURRENCY | 4 | 限制资源耗尽 |
MODEL_CACHE_MAXSIZE | 10 | 限制内存使用 |
MODEL_MEMORY_THRESHOLD | 0.85 | 触发主动清理 |
CORS_ORIGINS | [] | 限制跨域访问 |
威胁模型
| 威胁 | 缓解措施 |
|---|---|
| 路径遍历 | 第四层验证 |
| DoS（上传大小） | 文件大小限制 |
| DoS（请求速率） | 速率限制 |
| DoS（内存） | 缓存驱逐 + 内存阈值 |
| 点击劫持 | X-Frame-Options |
| MIME 嗅探 | X-Content-Type-Options |
| 信息泄露 | Referrer-Policy |
| 参数注入 | 类型验证 + 范围检查 |