CEL-go项目中如何禁用字符串转换与列表/字符串连接功能
2025-06-30 12:32:02作者:滕妙奇
在Google开源的CEL(Common Expression Language)项目中,CEL-go作为Go语言实现版本,提供了强大的表达式求值能力。近期社区讨论了一个关于运行时禁用特定操作符的功能需求,本文将深入解析这一技术实现方案。
背景与需求
在表达式求值场景中,有时需要限制某些操作以增强安全性或符合特定业务约束。典型需求包括:
- 禁用字符串类型转换(string()函数)
- 禁用字符串连接操作(+运算符)
- 禁用列表连接操作(+运算符)
这些限制在跨语言CEL实现(如CEL-cpp)中已有支持,需要在CEL-go中保持一致性。
技术实现方案
核心解决方案:LibrarySubset配置
CEL-go提供了灵活的配置系统,可以通过创建库子集并排除特定函数来实现操作限制:
celLibSubset := env.NewLibrarySubset().AddExcludedFunctions(
[]*env.Function{
{
Name: operators.Add,
Overloads: []*env.Overload{
{ID: overloads.AddBytes},
{ID: overloads.AddList},
{ID: overloads.AddString},
},
},
{Name: overloads.TypeConvertString},
}...,
)
这段代码明确排除了三类操作:
- 字节数组相加(AddBytes)
- 列表连接(AddList)
- 字符串连接(AddString)
- 字符串类型转换(TypeConvertString)
完整环境配置
构建完整的环境配置需要组合标准库子集和自定义变量:
celConfig := env.NewConfig("custom-env").
SetStdLib(celLibSubset).
AddVariables(
// 声明需要的变量
)
customEnv, err := cel.NewCustomEnv(cel.FromConfig(celConfig))
重要注意事项
当从外部获取AST(抽象语法树)时,必须显式执行检查阶段才能捕获违反限制的表达式:
func CreateCheckedProgram(ast *cel.Ast) (cel.Program, error) {
checkedAst, issues := env.Check(ast)
if issues != nil {
return nil, fmt.Errorf("AST检查错误: %v", issues)
}
prg, err := env.Program(checkedAst)
if err != nil {
return nil, fmt.Errorf("程序创建错误: %v", err)
}
return prg, nil
}
技术原理分析
- 操作符重载机制:CEL通过函数重载实现运算符的多态性,+运算符根据操作数类型分别对应不同实现
- 类型系统集成:字符串转换作为特殊类型转换操作,在类型系统中具有独立标识符
- 静态检查阶段:禁用操作的实际效果在静态检查阶段而非运行时生效,更符合安全预期
扩展讨论
虽然当前方案可行,但从API设计角度考虑,直接提供以下配置选项会更直观:
cel.DisableStringConversion()
cel.DisableStringConcat()
cel.DisableListConcat()
这种设计:
- 更符合最小惊讶原则
- 降低配置复杂度
- 提高代码可读性
- 便于与其他CEL实现保持API一致性
最佳实践建议
- 对于安全敏感场景,建议同时禁用这三类操作
- 在跨语言项目中使用CEL时,应在各实现中保持相同的限制配置
- 单元测试中应包含对禁用操作的负面测试用例
- 考虑将环境配置工厂化,确保不同模块使用一致的约束条件
总结
CEL-go通过灵活的库配置系统实现了对特定操作的禁用,虽然当前需要显式排除函数重载,但提供了细粒度的控制能力。理解这一机制有助于开发者在安全关键场景中有效约束表达式能力,同时为可能的API改进提供了技术基础。随着CEL生态的发展,这类运行时约束配置很可能会标准化为更简洁的API形式。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218