从 YAML 文件中读取 cryptography.fernet 加密密钥并将其作为字符串使用

从 yaml 文件中读取 cryptography.fernet 加密密钥并将其作为字符串使用

本文介绍了如何从 YAML 文件中读取使用 cryptography.fernet 生成的加密密钥,并将其作为字符串使用。由于 YAML 默认会将密钥以二进制格式存储,本文将提供将密钥以字符串形式读取并转换回可用格式的方法,确保在密码恢复等场景中正确使用密钥。

在 Python 中使用 cryptography.fernet 进行数据加密时,通常需要将生成的密钥存储起来,以便后续进行解密操作。一种常见的做法是将密钥存储在 YAML 文件中。然而,YAML 库在读取包含二进制数据的 YAML 文件时,会将密钥自动转换为二进制格式,这可能导致后续使用密钥时出现问题。本教程将介绍如何解决这个问题,确保从 YAML 文件中读取的密钥能够正确地被 cryptography.fernet 使用。

解决方案:使用 Base64 编码

问题的核心在于 YAML 库将密钥识别为二进制数据并进行编码。为了避免这种情况,可以在将密钥写入 YAML 文件之前,先对其进行 Base64 编码,将其转换为字符串。读取时,再将 Base64 编码的字符串解码回原始的二进制格式。

写入 YAML 文件前进行 Base64 编码

以下代码展示了如何在将密钥写入 YAML 文件之前对其进行 Base64 编码:

import yamlimport base64from cryptography.fernet import Fernet# 生成密钥key = Fernet.generate_key()# 对密钥进行 Base64 编码key_base64 = base64.b64encode(key).decode('utf-8') # Decode to string# 创建要写入 YAML 文件的数据data = {    'encryption_key': key_base64,    'username': 'example_user',    'encrypted_password': 'example_password'}# 将数据写入 YAML 文件with open('credentials.yml', 'w') as file:    yaml.dump(data, file)print(f"Key saved as: {key_base64}")

从 YAML 文件读取并解码 Base64 编码的密钥

以下代码展示了如何从 YAML 文件中读取 Base64 编码的密钥,并将其解码回原始的二进制格式,以便 cryptography.fernet 可以使用:

import yamlimport base64from cryptography.fernet import Fernet# 从 YAML 文件读取数据with open('credentials.yml', 'r') as file:    yaml_data = yaml.safe_load(file) # Use safe_load to prevent arbitrary code execution# 获取 Base64 编码的密钥key_base64 = yaml_data['encryption_key']# 将 Base64 编码的密钥解码为二进制格式key = base64.b64decode(key_base64)# 使用密钥进行解密(示例)f = Fernet(key)encrypted_password = b'gAAAAABlXhuUZimgsD1eN7gLZpfzvxKc4Bz9fIPmVhWvwGoKkaUiSWOSf7gkFJBM8XRU-kgn37kKH3KC2XTz-CHLVX2PFerckQ==' # Replace with actual encrypted passworddecrypted_password = f.decrypt(encrypted_password)print(f"Decrypted password: {decrypted_password.decode()}")

代码解释:

yaml.safe_load(file): 使用 yaml.safe_load 而不是 yaml.load 是为了防止 YAML 文件中包含恶意代码,从而避免潜在的安全风险。safe_load 只加载标准 YAML 类型,不执行任何 Python 代码。base64.b64decode(key_base64): 此函数将 Base64 编码的字符串 key_base64 解码为二进制格式。解码后的密钥 key 可以直接传递给 Fernet 对象。f.decrypt(encrypted_password): 使用解码后的密钥 key 创建一个 Fernet 对象 f,然后使用 f.decrypt() 方法解密 encrypted_password。

注意事项:

安全性: 虽然 Base64 编码可以解决 YAML 格式的问题,但它本身并不是一种加密方式。Base64 编码只是将二进制数据转换为文本格式,并没有提供任何安全性。因此,密钥仍然需要安全地存储和管理。yaml.safe_load() vs yaml.load(): 始终使用 yaml.safe_load() 来加载 YAML 文件,以防止潜在的安全风险。避免使用 yaml.load(),因为它可能会执行 YAML 文件中包含的任意 Python 代码。字符串编码: 在将密钥进行 Base64 编码后,需要使用 .decode(‘utf-8’) 将其转换为字符串,以便存储在 YAML 文件中。从 YAML 文件读取后,解码回二进制格式时,不需要再进行编码转换。

总结:

通过在写入 YAML 文件之前对密钥进行 Base64 编码,并在读取时进行解码,可以有效地解决 YAML 库将密钥转换为二进制格式的问题。这确保了 cryptography.fernet 能够正确地使用从 YAML 文件中读取的密钥,从而保证了加密和解密操作的顺利进行。同时,请务必注意安全性和使用 yaml.safe_load()。

以上就是从 YAML 文件中读取 cryptography.fernet 加密密钥并将其作为字符串使用的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/1362931.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年12月14日 03:07:12
下一篇 2025年12月14日 03:07:21

相关推荐

  • OPC UA:动态检测和转换自定义方法输入参数

    在使用 OPC UA 客户端与服务器交互时,动态检测和转换自定义方法的输入参数类型至关重要。本文将介绍如何通过读取方法节点的 “0:InputArguments” 属性,获取参数类型信息,并将其转换为 Python 类,以便正确调用 OPC UA 方法。本文提供示例代码,帮助…

    2025年12月14日
    000
  • OPC UA 方法调用:动态检测与转换自定义输入参数

    本文档旨在指导开发者在使用 OPC UA 客户端调用方法时,如何动态检测并正确转换自定义输入参数。通过读取方法的 InputArguments 属性,获取参数的数据类型信息,并将其映射到相应的 Python 类,从而实现参数的自动转换,避免手动指定数据类型的繁琐过程,提高代码的灵活性和可维护性。 在…

    2025年12月14日
    000
  • 使用 OPC UA 检测和转换自定义方法输入参数

    本文将深入探讨如何在使用 OPC UA 客户端(例如 asyncua)调用自定义方法时,解决动态检测和转换输入参数数据类型的问题。核心在于理解如何利用 OPC UA 协议提供的元数据信息,动态地获取方法参数的类型,并将其转换为客户端可用的 Python 类,从而实现灵活且类型安全的方法调用。 在 O…

    2025年12月14日
    000
  • Python如何计算数据离散度?方差与标准差实现

    在python中计算数据离散度的核心方法是使用numpy和pandas库。1. numpy通过var()和std()函数计算方差和标准差,默认为总体方差(ddof=0),但样本分析常用ddof=1;2. pandas的series和dataframe对象自带var()和std()方法,默认即为样本方…

    2025年12月14日 好文分享
    000
  • 怎样用Python开发机器学习模型?sklearn流程

    开发一个机器学习模型的完整流程包括数据准备与预处理、模型选择与训练、模型评估与调优、模型保存与部署。1. 数据准备与预处理包括加载数据、处理缺失值、特征缩放和类别编码;2. 模型选择与训练需根据任务类型选择合适算法并划分训练集与测试集;3. 模型评估与调优通过评估指标和超参数搜索优化性能;4. 模型…

    2025年12月14日 好文分享
    000
  • 怎样用Python构建数据管道—ETL流程自动化实现

    构建数据管道的关键在于etl流程的自动化,python提供了灵活高效的实现方式。1. 数据抽取:使用pandas、sqlalchemy、requests等工具从数据库、api、文件中提取数据;2. 数据转换:利用pandas、datetime、正则表达式进行清洗、标准化、衍生字段计算,确保数据一致性…

    2025年12月14日 好文分享
    000
  • Python如何实现单元测试?unittest框架

    在python中,实现单元测试最常用且内置的框架是unittest。unittest框架的核心组件包括testcase(测试用例)、testsuite(测试套件)、testrunner(测试运行器)和testloader(测试加载器)。1.testcase是所有测试的基础,提供断言方法和测试生命周期…

    2025年12月14日 好文分享
    000
  • 如何用Python开发GUI图表?Pygal可视化

    pygal 是一个轻量级的 python 图表库,适合生成 svg 格式的可视化图表。1. 它支持多种图表类型如柱状图、折线图、饼图等;2. 通过 pip install pygal 可安装基础库,若需 gui 展示还需安装 pygaljs 和 webview;3. 使用简洁 api 可快速生成图表…

    2025年12月14日 好文分享
    000
  • Python中如何进行特征工程?

    特征工程是将原始数据转化为模型更易理解和使用的特征的过程。其核心在于通过缺失值处理(如填充均值、中位数或删除行/列)、数值型特征处理(标准化、归一化、离散化)、特征组合(如计算bmi)、类别型特征处理(独热编码、标签编码)以及文本特征处理(词袋模型、tf-idf)等方法,提升模型性能和泛化能力。判断…

    2025年12月14日 好文分享
    000
  • Python怎样处理时间序列?statsmodels分析

    使用statsmodels处理时间序列需先设定时间索引,1.读取数据并转换为datetimeindex;2.检查缺失与连续性,进行重采样;3.用seasonal_decompose分解趋势、季节性与残差;4.选择sarimax建模,设置order与seasonal_order参数;5.拟合模型后预测…

    2025年12月14日 好文分享
    000
  • 怎样用Python处理视频流?OpenCV帧操作详解

    python和opencv处理视频流的核心在于将视频拆分为帧并逐帧处理。步骤包括:1. 捕获视频源,使用cv2.videocapture()打开摄像头或视频文件;2. 循环读取每一帧并判断是否成功获取;3. 对每一帧进行图像处理操作,如灰度化、模糊、边缘检测等;4. 显示或保存处理后的帧;5. 最后…

    2025年12月14日 好文分享
    000
  • Python怎样开发电子签名?PDF数字签名

    数字签名与电子签名不同,前者基于密码学确保文档完整性和身份验证,后者泛指任何形式的电子形式签名。1.电子签名可通过pillow或pypdf2实现图像叠加;2.数字签名需用cryptography、pyopenssl等库处理加密和证书;3.pyhanko专门用于将数字签名嵌入pdf结构。常见挑战包括p…

    2025年12月14日 好文分享
    000
  • 理解元类创建的类的类型:深入剖析Python元类的__new__方法

    本文旨在深入解析Python元类创建类的类型问题。通过剖析元类的__new__方法,解释了为什么使用type(name, bases, dct)创建类时,类的类型是type而非元类本身。同时,提供了正确的创建类的方法,即使用super().__new__(cls, name, bases, dct)…

    2025年12月14日
    000
  • 深入理解Python元类:__new__方法中的正确类实例化

    本文深入探讨了Python元类中__new__方法的正确使用,特别是当你在元类中创建新类实例时,如何避免将类创建为type的实例而非元类自身的实例。通过分析常见的错误实现及其原因,文章展示了使用super().__new__的正确方式,确保由元类创建的类能够正确地作为该元类的实例,并详细解释了这一机…

    2025年12月14日
    000
  • 如何使用Python处理CSV文件?csv模块实践

    python处理csv文件最高效的方式是使用内置csv模块。1. 读取csv文件可使用csv.reader将每行解析为列表,或使用csv.dictreader将每行转为字典,便于通过字段名访问数据;2. 写入csv文件可使用csv.writer写入列表数据,或使用csv.dictwriter写入字典…

    2025年12月14日 好文分享
    000
  • Python中如何操作RabbitMQ?pika消息队列实践

    在 python 中操作 rabbitmq 最常用的方式是使用 pika 库,它功能稳定且简单易用。1. 安装 pika 使用 pip install pika,并通过 blockingconnection 建立同步连接;2. 声明队列时设置 durable=true 以实现持久化,声明交换机时使用…

    2025年12月14日 好文分享
    000
  • 如何使用Python处理GIS数据?Fiona库操作指南

    fiona是一个基于gdal的python库,专用于读写矢量地理空间数据。①它支持shapefile、geojson、gpkg等格式,适合精细控制数据结构与流程的场景;②安装推荐使用conda或pip,优先conda以避免依赖问题;③读取数据通过fiona.open()函数实现,可访问feature…

    2025年12月14日 好文分享
    000
  • 如何使用Python开发CLI工具?Click库指南

    使用 python 的 click 库可快速开发 cli 工具,其核心是装饰器模式。1. 安装 click:pip install click;2. 编写命令:通过 @click.command() 定义命令函数;3. 添加参数和选项:@click.argument() 用于必填参数,@click.…

    2025年12月14日 好文分享
    000
  • Python怎样进行性能优化?代码加速技巧解析

    要提升python程序性能,需从优化技巧和工具入手。1.优先使用内置函数和列表推导式,减少循环;2.减少全局变量访问,缓存函数引用;3.根据场景选择合适数据结构如set、deque、numpy数组;4.借助numpy、cython、numba等第三方库加速;5.使用cprofile、timeit等工…

    2025年12月14日 好文分享
    000
  • Python中如何重命名数据列?columns修改教程

    在python中重命名dataframe列的最直接方法是通过赋值.columns属性。1. 将包含新列名的列表赋值给.columns,适用于整体替换所有列名;2. 新列名列表必须与原列数一致且顺序对应;3. 为避免顺序错误,可先打印当前列名确认顺序;4. 若仅修改部分列名,推荐使用.rename()…

    2025年12月14日 好文分享
    000

发表回复

登录后才能评论
关注微信