Streamlit项目在FIPS合规环境下运行Fragment功能的问题分析
2025-05-02 15:07:25作者:袁立春Spencer
在Python应用开发中,加密算法的合规性要求越来越受到重视,特别是在政府、金融等对安全性要求较高的领域。本文将以Streamlit项目为例,分析其在FIPS(Federal Information Processing Standards)合规环境下运行Fragment功能时遇到的问题,并探讨解决方案。
问题背景
Streamlit是一个流行的Python库,用于快速构建数据可视化Web应用。其Fragment功能允许开发者将应用拆分为多个独立部分。然而,当在FIPS合规的Python环境中运行时(如使用Chainguard提供的python-fips镜像),该功能会抛出异常。
技术细节
问题的核心在于Streamlit的Fragment功能实现中使用了MD5哈希算法。在FIPS 140-2合规环境中,MD5被认为是不安全的哈希算法,因此被默认禁用。具体表现为:
- 代码中调用
hashlib.new("md5")时触发异常 - 错误信息显示"unsupported hash type md5"
- 底层原因是_hashlib模块在FIPS模式下拒绝不安全的算法
影响范围
该问题影响:
- 使用Streamlit 1.42.0及以上版本的应用
- 运行在FIPS合规环境中的部署
- 任何使用Fragment功能的场景
解决方案
Streamlit团队已通过以下方式解决该问题:
- 将MD5替换为SHA-256等FIPS认可的哈希算法
- 添加代码检查规则,防止未来引入非合规的哈希用法
- 确保向后兼容性,不影响现有非FIPS环境下的运行
最佳实践
对于需要在严格安全环境下部署Streamlit应用的开发者,建议:
- 升级到包含修复的Streamlit版本
- 测试环境与生产环境保持一致的FIPS配置
- 了解不同Python发行版对FIPS的支持差异
- 关注应用依赖库的加密算法使用情况
总结
这个问题展示了现代Python开发中安全合规要求与实际开发实践的交集。随着安全标准的普及,开发者需要更加注意加密算法的选择和使用。Streamlit团队快速响应并修复此问题,体现了对安全合规的重视,也为其他开源项目处理类似问题提供了参考案例。
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
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137