Python pickleは危険?脆弱性の仕組みと安全に扱う方法(find_class・HMAC・JSON)
Pythonのpickleは、信頼できないデータを読み込むと危険です。pickle.load()・loads() はデータに書かれた関数呼び出しをそのまま実行するため、悪意のあるファイルを読んだだけで任意のコードが動きます。これは不具合ではなく仕様なので、外部から受け取るデータにはJSONなどを使います。
この記事は、pickleの「危険性」「脆弱性」に絞った解説です。基本の使い方はPython pickleとは?、ファイルへの保存はpickle.dump()とload()、バイト列との変換はpickle.dumps()・loads()の使い方で扱っています。コードはPython 3.12.15で実行しました。
pickleが危険な理由:load は「実行」している
Python公式ドキュメントのpickleのページは、冒頭で「pickleモジュールは安全ではない。信頼できるデータだけをunpickleすること。unpickleの際に任意のコードを実行する悪意あるデータを作ることができる」と警告しています。
pickleは、自作クラスのインスタンスまで元に戻せるように、「どの関数を、どの引数で呼べばこのオブジェクトを作り直せるか」という手順をデータに書き込みます。その手順を指定する仕組みが __reduce__ で、ここには任意の関数を書けます。
import pickle
class Demo:
def __reduce__(self):
return (print, ("loads() しただけで実行された",))
payload = pickle.dumps(Demo())
print(payload[:40])
result = pickle.loads(payload)
print("戻り値:", result)
実行結果:
b'\x80\x04\x95C\x00\x00\x00\x00\x00\x00\x00\x8c\x08builtins\x94\x8c\x05print\x94\x93\x94\x8c&loads('
loads() しただけで実行された
戻り値: None
loads() を呼んだだけで print() が実行されました。ここでは無害な print にしていますが、同じ場所には標準ライブラリのどんな関数でも書けます。ファイルの削除や外部への送信といった処理も、読み込んだ時点で動かせてしまいます。
中身を実行せずに確かめる(pickletools)
標準ライブラリの pickletools を使うと、データを実行せずに中身の命令(オペコード)を表示できます。
import pickle
import pickletools
class Demo:
def __reduce__(self):
return (print, ("loads() しただけで実行された",))
payload = pickle.dumps(Demo(), protocol=4)
pickletools.dis(payload)
実行結果:
0: \x80 PROTO 4
2: \x95 FRAME 67
11: \x8c SHORT_BINUNICODE 'builtins'
21: \x94 MEMOIZE (as 0)
22: \x8c SHORT_BINUNICODE 'print'
29: \x94 MEMOIZE (as 1)
30: \x93 STACK_GLOBAL
31: \x94 MEMOIZE (as 2)
32: \x8c SHORT_BINUNICODE 'loads() しただけで実行された'
72: \x94 MEMOIZE (as 3)
73: \x85 TUPLE1
74: \x94 MEMOIZE (as 4)
75: R REDUCE
76: \x94 MEMOIZE (as 5)
77: . STOP
highest protocol among opcodes = 4
STACK_GLOBAL で builtins.print を取り出し、REDUCE で引数を付けて呼び出しているのが読み取れます。関数を取り出したり呼び出したりする命令が入っているかどうかは、次のように調べられます。
import pickle
import pickletools
RISKY = {"GLOBAL", "STACK_GLOBAL", "REDUCE", "INST", "OBJ", "NEWOBJ", "NEWOBJ_EX", "BUILD"}
def risky_opcodes(data):
return sorted({op.name for op, arg, pos in pickletools.genops(data)} & RISKY)
class Demo:
def __reduce__(self):
return (print, ("x",))
print(risky_opcodes(pickle.dumps(Demo())))
print(risky_opcodes(pickle.dumps({"a": [1, 2], "b": "text"})))
実行結果:
['REDUCE', 'STACK_GLOBAL']
[]
辞書・リスト・文字列だけのデータには、関数を呼ぶ命令が入りません。ただし、自作クラスや日付などを含む正当なデータにも同じ命令は入るので、これは「怪しいかどうかの目安」であって安全の保証にはなりません。
読み込んではいけないpickle
| データの出所 | 危険な理由 |
|---|---|
| ユーザーがアップロードしたファイル | 攻撃者が中身を自由に作れる |
| ネットワークで受け取ったデータ・APIの応答 | 途中で差し替えられる可能性がある |
| Cookie・セッションなどクライアント側に置いた値 | 利用者が書き換えられる |
| ネットで配布されている .pkl・学習済みモデル | 作成者を確かめられない |
| 他人も書き込める共有フォルダのファイル | 自分で作ったファイルでも差し替えられる |
「自分のプログラムが作ったファイルだから安全」とは限りません。作ってから読むまでの間に、ほかの人が書き換えられる場所に置いたなら、信頼できるデータとは言えません。
pickleを内部で使うライブラリにも同じ注意がいる
pickleを直接使っていなくても、次のような関数は内部でpickleを使っています。
| 関数 | 公式ドキュメントの扱い(2026年10月18日確認) |
|---|---|
pandas read_pickle() |
信頼できない出所から受け取ったpickleの読み込みは安全でない場合がある、と警告(pandas)。使い方はto_pickle・read_pickleの使い方 |
NumPy np.load() |
既定は allow_pickle=False。オブジェクト配列を含むファイルの読み込みはpickleを使うため安全でないと警告(NumPy)。詳しくはnpy・npzで保存・読み込みする方法 |
PyTorch torch.load() |
バージョン2.6から、pickle_module を渡さない場合は weights_only=True(テンソル・基本型・辞書などに制限)が既定。それでも「信頼できない出所のデータを読み込まないこと」と警告(torch.load、Serialization semantics) |
機械学習のモデル配布でもこの問題は意識されていて、Hugging Faceはアップロードされたファイルのpickleスキャンを行い、重み用の別形式としてsafetensorsを紹介しています(Hugging Face Hub: Pickle Scanning(2026年10月18日確認))。Hugging Face自体についてはHugging Faceとは?で説明しています。
どうしてもpickleを使うときの対策
対策1:読み込めるクラスを限定する(find_class)
公式ドキュメントの「Restricting Globals」で紹介されている方法です。pickle.Unpickler を継承して find_class() を上書きし、許可したもの以外を取り出そうとしたら例外にします。
import builtins
import io
import pickle
ALLOWED = {("builtins", "range"), ("builtins", "set"), ("builtins", "frozenset")}
class RestrictedUnpickler(pickle.Unpickler):
def find_class(self, module, name):
if (module, name) in ALLOWED:
return getattr(builtins, name)
raise pickle.UnpicklingError(f"{module}.{name} は許可されていません")
def restricted_loads(data):
return RestrictedUnpickler(io.BytesIO(data)).load()
print(restricted_loads(pickle.dumps({"a": [1, 2], "s": {3, 4}})))
class Demo:
def __reduce__(self):
return (print, ("実行されてしまう",))
try:
restricted_loads(pickle.dumps(Demo()))
except pickle.UnpicklingError as e:
print("拒否:", e)
実行結果:
{'a': [1, 2], 's': {3, 4}}
拒否: builtins.print は許可されていません
許可リストは必要最小限にします。builtins をまるごと許可すると、eval なども呼べるようになり意味がなくなります。
対策2:HMACで署名して改ざんを検出する
公式ドキュメントは、改ざんされていないことを確かめたい場合はhmacで署名するよう勧めています。保存時に秘密鍵で署名を付け、読み込む前に検証します。
import hashlib
import hmac
import pickle
KEY = b"keep-this-secret"
def dumps_signed(obj):
data = pickle.dumps(obj)
sig = hmac.new(KEY, data, hashlib.sha256).digest()
return sig + data
def loads_signed(blob):
sig, data = blob[:32], blob[32:]
expected = hmac.new(KEY, data, hashlib.sha256).digest()
if not hmac.compare_digest(sig, expected):
raise ValueError("署名が一致しません(改ざんの可能性)")
return pickle.loads(data)
blob = dumps_signed({"score": 90})
print(loads_signed(blob))
tampered = blob[:-2] + b"X."
try:
loads_signed(tampered)
except ValueError as e:
print(e)
実行結果:
{'score': 90}
署名が一致しません(改ざんの可能性)
署名の比較には == ではなく hmac.compare_digest() を使います(理由はsecrets.compare_digest()とは?)。この方法は「鍵を知っている自分たちが作ったデータか」を確かめるものなので、鍵が漏れると防げません。また、第三者が作ったファイルを安全にする方法ではありません。
外部とやり取りするならJSONなどを使う
JSONはデータしか表せず、関数を呼ぶ書き方がないので、読み込んでもコードは実行されません。公式ドキュメントも、信頼できないデータを扱うならjsonのような安全な形式のほうが適している場合があるとしています。
import json
from datetime import date
record = {"name": "田中", "score": 90, "tags": ["python", "pickle"], "day": date(2026, 10, 18).isoformat()}
text = json.dumps(record, ensure_ascii=False)
print(text)
print(json.loads(text))
実行結果:
{"name": "田中", "score": 90, "tags": ["python", "pickle"], "day": "2026-10-18"}
{'name': '田中', 'score': 90, 'tags': ['python', 'pickle'], 'day': '2026-10-18'}
| 用途 | 代わりに使う形式 |
|---|---|
| 設定・APIのデータ交換 | JSON(PythonでJSONの扱い方) |
| 表形式のデータ | CSV、Parquet |
| 数値配列 | NumPyの .npy / .npz(allow_pickle=False のまま) |
| 機械学習モデルの重み | safetensors など |
| 構造化データの保存 | SQLite |
日付やクラスのインスタンスはJSONにそのまま入らないので、上の例のように文字列や辞書に変換してから保存します。
pickleを使ってよい場面
- データを作るのも読むのも自分のプログラムだけで、保存先を他人が書き換えられない(計算結果のキャッシュなど)
multiprocessingのように、同じプログラムのプロセス間で受け渡すだけ
どちらも「出所が自分であると確かめられる」ことが条件です。速度やプロトコルの選び方はpickleのprotocolとは?を参照してください。
よくある質問
Q. pickleはなぜ危険なのですか?
pickle.load() や loads() は、データの中に書かれた「この関数をこの引数で呼んでオブジェクトを作り直せ」という手順をそのまま実行するからです。悪意のあるデータを読み込むと、読み込んだ時点で任意のコードが実行されます。Pythonの公式ドキュメントも、信頼できないデータをunpickleしないよう警告しています。
Q. 自分で作ったpickleファイルなら安全ですか?
作ってから読むまでの間に、他人がそのファイルを書き換えられないなら安全です。共有フォルダやクラウドストレージ、ダウンロードしたファイルのように、途中で差し替えられる可能性がある場所に置いたものは信頼できるとは言えません。
Q. pickleの脆弱性は修正されないのですか?
不具合ではなく仕組みそのものなので、修正されるものではありません。任意のクラスのオブジェクトを復元できるという利点と、任意の関数を呼べるという危険は同じ仕組みから来ています。
Q. pandasのread_pickleやtorch.loadも危険ですか?
どちらも内部でpickleを使います。pandasの公式ドキュメントは信頼できないデータのread_pickleは安全でない場合があると警告しています。PyTorchのtorch.loadはバージョン2.6から weights_only=True が既定になり、読み込める型が制限されましたが、公式ドキュメントは信頼できない出所のデータを読み込まないよう警告しています。
Q. 安全に読み込む方法はありますか?
外部とやり取りするデータはJSONなど、コードを実行できない形式にするのが確実です。どうしてもpickleを使う場合は、Unpickler.find_class() で読み込めるクラスを限定するか、HMACで署名して改ざんを検出します。




