Text-to-SQL:生成合法查询之后还有权限与资源边界
解释Schema Linking、AST验证和执行反馈,使用真实SQLite演示参数绑定、只读限制与聚合泄漏。
用户问“我这个月的订单总额”,应用需要理解“订单”对应哪个表、“总额”采用支付金额还是含退款金额、“我”对应哪个权限范围、“这个月”按哪个时区。SQL语法合法仅证明数据库能解析,不证明业务含义或授权正确。
Schema Linking先缩小语义空间
向生成器提供相关表、列、类型、主外键、业务定义和允许的关联,而不是把整个敏感数据库schema无差别暴露。列名amount可能以分计,也可能是外币;status可能有多个业务阶段。重要枚举与时间窗口应由可信业务定义补充,样例值还要避免泄漏个人数据。
生成后应使用对应SQL方言的解析器获得AST,检查单语句、允许的表/列/函数、连接路径、子查询、CTE、聚合与限制。只用字符串以SELECT开头的判断,会漏掉复杂语法、敏感函数和高成本查询。AST合法仍不保证业务正确,需要权限和资源控制以及结果校验。
跑一个真实数据库反例
保存为 sql_readonly.py,运行 python -X utf8 sql_readonly.py。示例使用本地内存SQLite和固定查询模板,实际执行SQL;它没有把自然语言转换成任意SQL,也不包含通用AST验证器。
"""真实SQLite执行;固定查询模板而非任意模型SQL的AST验证器。"""
import sqlite3
def setup():
db=sqlite3.connect(':memory:')
db.execute('CREATE TABLE orders(tenant TEXT, amount INTEGER)')
db.executemany('INSERT INTO orders VALUES (?,?)',[('A',100),('A',200),('B',900)])
db.commit();db.execute('PRAGMA query_only=ON')
return db
def total(db,tenant):
return db.execute('SELECT COALESCE(SUM(amount),0) FROM orders WHERE tenant=?',(tenant,)).fetchone()[0]
if __name__=='__main__':
db=setup()
print('A金额(分)',total(db,'A'))
print('参数不能改变SQL结构',total(db,"A' OR 1=1 --"))
try:db.execute("DELETE FROM orders")
except sqlite3.OperationalError as error:print('只读拒绝',str(error))
print('缺少租户条件仍会泄漏聚合',db.execute('SELECT SUM(amount) FROM orders').fetchone()[0])
db.close()A金额(分) 300
参数不能改变SQL结构 0
只读拒绝 attempt to write a readonly database
缺少租户条件仍会泄漏聚合 1200A用户金额为300分。把参数传为包含引号与OR的字符串,参数绑定仍把它视为值,不会变成SQL结构。只读设置拒绝DELETE,但不带tenant条件的SELECT仍能得到A/B合计1200分,说明只读不等于行级隔离。生产中应采用数据库权限、只读视图或可靠行级策略,不能只靠模型记得加WHERE。
SELECT为什么也会高风险
它能读敏感表、通过聚合或差分推断信息,也可能执行昂贵笛卡尔积、递归查询或大排序消耗资源。某些数据库函数还可能有外部访问或副作用,必须使用最小权限账号和函数白名单。LIMIT限制返回行数,不一定限制计算量,例如先对全表聚合后LIMIT 1仍可能扫描很多数据。
执行环境应设置statement timeout、并发配额、只读事务或账号、允许schema、行数与结果大小限制;必要时用EXPLAIN或成本上界筛查,但估计也可能不准。使用固定参数化模板或受限查询DSL时,业务可控性往往更高,没必要为每个报表都开放任意生成SQL。
执行反馈与修复循环
语法错误、列不存在、权限拒绝、超时和空结果需要不同处理。可以把经过脱敏的错误反馈给生成器修复,但不能把数据库连接串、敏感schema或完整数据泄漏到提示中。修复次数与总时间必须有限,权限拒绝不能通过改写SQL绕开。
结果验证要检查单位、时间范围、重复关联导致的倍增和空结果含义。把SUM为NULL当零是否符合业务,也需明确。评测同时比较SQL可执行、结果正确、权限无越界和资源可控;仅比较生成文本与参考SQL完全相同,会把等价SQL误判为错,也可能漏掉偶然在小样本上得出相同结果的错误查询。
嵌套查询不能只检查最外层
考虑已认证tenant=A,允许表orders,但禁止secrets。WITH x AS (SELECT value FROM secrets) SELECT value FROM x 的外层FROM只出现x;校验器若只允许CTE名便放行,会漏掉内部secrets。必须先建立作用域和CTE绑定,再递归检查CTE主体的物理表。另一个查询 SELECT (SELECT SUM(amount) FROM orders) AS total 外层没有FROM,内层却读取全租户;只往最外层拼tenant条件既无效也可能生成错误SQL。每个实际受保护表引用都应由可信改写器注入授权范围,或在数据库行级策略/受控视图中强制隔离,并再次检查最终AST;无法可靠解析的语法拒绝。预期判定:上述第一条因未授权表拒绝;第二条因缺租户保护拒绝,而不是因为它为SELECT就通过。固定模板演示不提供这个通用遍历器,但反例可直接作为将来实现的安全测试输入。
综合边界推演与面试追问
用户问A租户本月实付总额,amount以分计且退款需扣除。Schema Linking必须选正确表列/连接和时间口径,再生成受限SQL。SQLite例A100+200=300,漏tenant条件得到1200,参数绑定无法补上缺失授权。
固定参数化模板更可控但表达有限,任意SQL更灵活却扩大AST、权限和资源风险。AST检查表列函数/CTE/子查询与单语句;只读账号阻写不阻跨租户读,LIMIT 1不限制聚合前扫描。
语法错可有限修正,权限错不能改写绕过,超时需查询成本与deadline。结果成倍增大查一对多join,金额不对查单位/退款口径,空值查业务语义。记录脱敏错误而非连接串,修复SQL仍重新经过完整校验。
课后练习展开习题收起习题
先独立作答,再展开参考思路。检查自己的解释是否包含机制、条件和反例。
Schema Linking为什么不只是匹配列名?
参考思路与常见误区
还需理解主外键、单位、业务口径、时间范围和枚举含义。例如amount可能是分,订单金额与支付净额不同;错误关联能产生重复聚合。
常见误区:列名看起来像即可直接SUM。
参数绑定防住什么,又防不住什么?
参考思路与常见误区
绑定把数据值与SQL结构隔开,避免值改变语法;不能修复模型选择错误表、遗漏租户条件或读取本不该访问的列。
常见误区:用了问号参数就不存在数据泄漏。
只允许SELECT为什么仍需资源控制?
参考思路与常见误区
SELECT可以进行大连接、递归计算或扫描大量数据,造成资源耗尽,也可能输出敏感信息。需要数据库只读身份、允许schema、行列权限、超时与结果大小限制。
常见误区:只读等于安全且便宜。
AST校验应覆盖哪些结构?
参考思路与常见误区
解析指定方言,检查单语句、允许表列函数、子查询和CTE、写操作或危险函数、必要权限约束与限制;还需数据库强制权限,不能只依赖字符串或AST。
常见误区:SQL以SELECT开头就放行。
SQL执行失败后应怎样把错误反馈给模型?
参考思路与常见误区
返回经过脱敏的类型化错误与相关schema,限制重试次数和总预算,重新执行完整验证。不得把数据库凭据、内部路径或无权schema作为原始错误泄露。
常见误区:修复后的SQL可以跳过安全检查。
参数绑定、authorizer与进度控制等接口见 Python 3.13 sqlite3文档。不同数据库的安全与资源机制不能照搬SQLite参数。