Compartir a través de

编写安全代码的最佳做法

  • Artículo

在 Azure 机器学习中，可以从任何源将文件和内容上传到 Azure 中。 加载的 Jupyter 笔记本或脚本中的内容可能会从会话中读取数据，在 Azure 中访问组织中的敏感数据，或以你的名义运行恶意进程。

重要

仅从受信任的源运行笔记本或脚本。 例如，你或你的安全团队已查看其中的笔记本或脚本。

潜在威胁

使用 Azure 机器学习进行开发通常涉及基于 Web 的开发环境，例如 Notebooks 和 Azure 机器学习工作室。 使用基于 Web 的开发环境时，潜在威胁包括：

  • 跨站点脚本 (XSS)

    • DOM 注入：此类攻击可以修改浏览器中显示的 UI。 例如，更改“运行”按钮在 Jupyter Notebook 中的行为方式。
    • 访问令牌或 Cookie：XSS 攻击还可以访问本地存储和浏览器 Cookie。 你的 Microsoft Entra 身份验证令牌存储在本地存储中。 XSS 攻击可以使用此令牌代表你进行 API 调用，然后将数据发送到外部系统或 API。

  • 跨网站请求伪造 (CSRF)：此攻击可能会将图像或链接的 URL 替换为恶意脚本或 API 的 URL。 加载图像或单击链接时，会调用该 URL。

Azure 机器学习工作室笔记本

Azure 机器学习工作室在浏览器中提供托管的笔记本体验。 笔记本中的单元格可输出包含恶意代码的 HTML 文档或片段。 呈现输出时，可以执行该代码。

可能的威胁：

  • 跨站点脚本 (XSS)
  • 跨网站请求伪造 (CSRF)

由 Azure 机器学习提供的缓解措施：

  • 代码单元格输出在 iframe 中进行沙盒处理。 iframe 会阻止脚本访问父 DOM、Cookie 或会话存储。
  • 使用 dompurify 库清理 Markdown 单元格内容。 这会阻止恶意脚本在呈现 Markdown 单元格的过程中执行。
  • 图像 URL 和 Markdown 链接会发送到 Azure 拥有的终结点，该终结点会检查其中是否存在恶意值。 如果检测到恶意值，终结点会拒绝该请求。

建议的操作：

  • 确保你信任文件的内容，然后再将其上传到工作室。 必须确认你上传的是受信任的文件。
  • 选择用于打开外部应用程序的链接时，系统会提示你信任该应用程序。

Azure 机器学习计算实例

Azure 机器学习计算实例托管 Jupyter 和 Jupyter Lab。 使用其中的一个时，笔记本单元格中的代码可输出包含恶意代码的 HTML 文档或片段。 呈现输出时，可以执行该代码。 使用托管在计算实例上的 RStudio 或 Posit Workbench（以前的 RStudio Workbench）时，也存在相同的威胁。

可能的威胁：

  • 跨站点脚本 (XSS)
  • 跨网站请求伪造 (CSRF)

由 Azure 机器学习提供的缓解措施：

  • 无。 Jupyter 和 Jupyter Lab 是在 Azure 机器学习计算实例上托管的开源应用程序。

建议的操作：

  • 确保你信任文件的内容，然后再将其上传。 必须确认你上传的是受信任的文件。

报告安全问题或疑虑

Azure 机器学习符合 Azure 赏金计划的要求。 有关详细信息，请访问�https://www.microsoft.com/msrc/bounty-microsoft-azure。

相关内容