Skip to content

REVIEW.md

Latest commit

 

History

History
122 lines (93 loc) · 6.81 KB

REVIEW.md

File metadata and controls

122 lines (93 loc) · 6.81 KB
Raw

代码审查报告 — knowledge_graph

审查日期: 2026-06-21
审查范围: 安全漏洞、代码质量、依赖安全、配置问题、架构问题
文件数量: 18 个 Python 源文件

🔴 致命问题

🔴-1 文件上传路径穿越漏洞

  • 文件: api.py 第 221 行
  • 描述: file_path = UPLOAD_DIR / file.filename 直接使用用户上传的文件名拼接路径，攻击者可通过 ../../etc/cron.d/evil 等路径写入任意位置。
  • 修复建议: 使用 Path(file.filename).name 取纯文件名，或使用 werkzeug.utils.secure_filename() 清洗文件名，同时校验文件扩展名白名单。

🔴-2 CORS 配置允许所有来源（多处）

  • 文件: api.py 第 38 行, src/web/app.py 第 31 行
  • 描述: 两个 FastAPI 应用均设置 allow_origins=["*"]，且无任何认证机制，所有图谱数据可被任意网页读取和修改。
  • 修复建议: 限制 CORS 来源，添加 API Key 或 JWT 认证。

🔴-3 无任何身份认证

  • 文件: api.py 全部路由, src/web/app.py 全部路由
  • 描述: 所有 API 端点（创建/删除实体、清空图谱、导入数据等）完全开放，任何人都可以修改或删除数据。
  • 修复建议: 至少添加 API Key 中间件或 Basic Auth，关键操作（删除、清空）需要额外确认。

🔴-4 API Key 泄露风险

  • 文件: api.py 第 507-514 行
  • 描述: GET /api/settings/llm 返回 API Key 的前6位和后4位（key[:6] + "****" + key[-4:]），对于短密钥可能泄露足够多的信息。且该接口无认证保护。
  • 修复建议: 完全隐藏 API Key，只返回是否已配置（"configured": true/false）。

🔴-5 LLM 提示注入风险

  • 文件: api.py 第 417-444 行
  • 描述: 用户输入的 question 直接传递给 LLM 进行查询，无任何输入清洗或长度限制，存在提示注入（Prompt Injection）攻击风险。
  • 修复建议: 限制输入长度，对用户输入进行基本清洗，LLM 响应不应直接执行任何操作。

🔴-6 生产环境开启热重载

  • 文件: main.py 第 19 行
  • 描述: uvicorn.run("api:app", ..., reload=True) 在生产环境使用热重载有安全和性能风险。
  • 修复建议: 仅在开发模式启用 reload。

🟡 警告问题

🟡-1 默认绑定 0.0.0.0

  • 文件: config.py 第 33 行
  • 描述: 默认服务器配置 "host": "0.0.0.0" 会暴露到所有网络接口。
  • 修复建议: 默认改为 "127.0.0.1"。

🟡-2 裸 except 捕获（多处）

  • 文件: graph_algorithms.py 第 117、159、240、289、294 行
  • 描述: 多处使用 except: 而非 except Exception: 或具体异常类型，会吞掉 KeyboardInterrupt、SystemExit 等不应被捕获的异常。
  • 修复建议: 所有 except: 改为 except Exception:，并记录日志。

🟡-3 两套并行的数据库层

  • 文件: database.py (578行) vs graph_store.py (515行)
  • 描述: 两个模块都实现了 SQLite 存储层，database.py 用于 api.py，graph_store.py 用于 src/web/app.py，导致 schema 不完全一致（database.py 有 updated_at 列，graph_store.py 没有），维护困难。
  • 修复建议: 统一为一个数据库模块，api.py 和 src/web/app.py 共用。

🟡-4 全局单例无线程安全保护

  • 文件: database.py 第 578 行: db = Database()
  • 描述: 全局 db 实例在多线程（FastAPI + 后台处理线程）中共享，_conn() 上下文管理器每次创建新连接但没有连接池或线程本地存储，并发写入可能冲突。
  • 修复建议: 使用 threading.local() 管理连接，或引入连接池。

🟡-5 配置文件存储 API Key 明文

  • 文件: config.py 第 26 行
  • 描述: API Key 以明文 JSON 存储在 data/config.json，文件权限未限制。
  • 修复建议: 文件权限设为 0o600，或支持环境变量覆盖（LLM_API_KEY）。

🟡-6 上传文件未做大小限制

  • 文件: api.py 第 216-223 行
  • 描述: upload_document 端点直接将整个文件读入内存并写入磁盘，无大小限制，可能被用于 DoS 攻击。
  • 修复建议: 添加文件大小限制（如 10MB），使用 FastAPI 的 UploadFile 配合流式读取。

🟡-7 Pydantic 模型使用可变默认值

  • 文件: api.py 第 75 行: properties: dict = {}
  • 描述: 虽然 Pydantic 会深拷贝默认值，但使用 Field(default_factory=dict) 是更明确的做法。
  • 修复建议: 改为 properties: dict = Field(default_factory=dict)。

🟡-8 后台线程异常仅记录到数据库

  • 文件: api.py 第 151-164 行
  • 描述: 后台 LLM 抽取线程中的异常仅写入数据库任务记录，不会出现在日志中，难以排查问题。
  • 修复建议: 在 except 块中添加 logger.error(...) 调用。

🟡-9 无输入长度限制

  • 文件: api.py 第 66-67 行 (TextIngestRequest), 第 96-99 行 (QueryRequest)
  • 描述: text 和 question 字段无长度限制，超长输入可能耗尽 LLM API 额度或导致内存问题。
  • 修复建议: 使用 Field(max_length=50000) 等约束。

🔵 建议

🔵-1 graph_algorithms.py 中 PageRank 异常处理

  • 文件: graph_algorithms.py 第 115-118 行
  • 描述: PageRank 计算失败时静默返回空列表，不记录失败原因。
  • 修复建议: 添加 logger.warning("PageRank 计算失败", exc_info=True)。

🔵-2 entity_extractor.py 中的重复代码

  • 文件: entity_extractor.py 第 148-176 行
  • 描述: _extract_by_regex 中所有 pattern_name 分支都返回 EntityType.OTHER，switch 逻辑冗余。
  • 修复建议: 简化为直接使用 EntityType.OTHER，无需条件分支。

🔵-3 models.py 中 Pydantic 模型可变默认值

  • 文件: models.py 第 61 行: properties: dict = {}, 第 66 行: source_doc_ids: list[str] = []
  • 描述: Pydantic 会处理，但使用 Field(default_factory=...) 更规范。
  • 修复建议: 使用 Field(default_factory=dict) 和 Field(default_factory=list)。

🔵-4 文档解析器缺少文件类型校验

  • 文件: document_parser.py 第 26-57 行
  • 描述: parse() 方法接受任意文件路径，未校验文件类型是否在白名单内。
  • 修复建议: 添加允许的扩展名白名单校验。

总结评分

维度 评分 (满分10) 说明
安全 3/10 路径穿越、无认证、API Key 泄露、CORS 全开、提示注入风险
质量 6/10 代码功能完整，但裸 except 多处、异常处理不完善、缺少输入验证
架构 5/10 两套并行数据库层导致维护混乱，API 层重复，全局单例无并发保护