5分钟解决ComfyUI-Manager安全级别设置问题:从检测到防护的完整指南
2026-02-04 04:28:36作者:幸俭卉
你是否在使用ComfyUI-Manager时遇到过安全警告弹窗?是否担心安装的自定义节点可能携带恶意程序?本文将通过3个真实案例解析安全级别设置原理,提供2套解决方案和1个自动化防护工具,帮你在5分钟内建立安全防护体系。
安全扫描机制解析
ComfyUI-Manager的安全防护核心由glob/security_check.py模块实现,采用三层防御架构:
graph TD
A[启动前扫描] --> B[节点黑名单检查]
A --> C[依赖包版本验证]
A --> D[恶意文件路径检测]
B --> E[终止进程并提示]
C --> E
D --> E
系统启动时,prestartup_script.py会调用security_check.security_check()方法,依次执行:
- 检查node_blacklist中的危险节点(如ComfyUI_LLMVISION)
- 验证pip_blacklist中的恶意依赖(如ultralytics==8.3.41)
- 扫描file_blacklist中的可疑文件路径
常见安全问题案例分析
案例1:Ultralytics挖矿程序事件
2024年发现ultralytics 8.3.41-42版本被植入加密挖矿程序,安全模块通过以下命令自动检测并拦截:
python -m pip uninstall ultralytics
python -m pip install ultralytics==8.3.40
防护代码会强制卸载恶意版本并清理/tmp/ultralytics_runner进程。
案例2:ComfyUI_LLMVISION节点攻击
该节点会安装伪装成anthropic库的恶意程序,通过修改Windows注册表实现持久化。系统通过检查:
anthropic_info = subprocess.check_output(["pip", "show", "anthropic"])
if "pycrypto" in anthropic_reqs: # 检测异常依赖
detected.add("ComfyUI_LLMVISION")
检测逻辑发现后会终止程序并提供详细清除指南。
解决方案实施
方案A:临时绕过安全检查(不推荐)
适用于开发测试场景,修改prestartup_script.py注释安全检查调用:
- 121:security_check.security_check()
+ #121:security_check.security_check()
⚠️ 风险提示:该操作会关闭所有防护,请确保节点来源可信。
方案B:自定义安全级别(推荐)
- 复制channels.list.template为channels.list
- 添加可信源:
https://your-trusted-source.com/custom-nodes.json - 修改security_check.py调整检测阈值:
# 在第71行后添加信任白名单
trusted_packages = {"ultralytics==8.3.42"} # 仅示例,实际请使用官方版本
installed_pips = subprocess.check_output(...)
for line in installed_pips.split('\n'):
if any(pkg in line for pkg in trusted_packages):
continue # 跳过可信包检查
自动化防护工具
使用cm-cli命令行工具进行定期安全审计:
# 执行全面安全扫描
./cm-cli.sh security scan
# 更新安全规则库
./cm-cli.sh security update
该工具会自动比对最新node_db中的安全规则,生成漏洞修复报告。
最佳实践总结
建立"预防-检测-响应"安全闭环:
- 每周执行
./check.sh验证系统完整性 - 仅从官方渠道安装节点,优先选择带安全标记的版本
- 关键操作前创建系统快照(使用snapshots/功能)
下期将推出《自定义节点安全审计指南》,教你如何使用hash值验证和沙箱测试技术,敬请关注。记得收藏本文,安全问题随时查阅解决方案!
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
380
454
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++
894
677
暂无简介
Dart
803
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
207
昇腾LLM分布式训练框架
Python
119
147
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
12
1
🔥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
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781