# 数据验证 ## 概述数据验证可确保输入数据在处理前满足预期的格式、类型和约束。该技能涵盖模式验证库、输入清理、输出编码、类型强制策略、以安全为中心的验证（XSS、注入预防）、数据管道验证和全面的错误处理。 ## 触发关键词在处理以下情况时使用此技能： * **模式验证**：JSON 模式、Zod、Pydantic、Joi、Yup、Ajv、类验证器 * **输入处理**：验证、验证、清理、清理、输入验证、表单验证 * **安全验证** ：XSS预防、注入预防、逃逸、编码、白名单、黑名单 * **约束** ：约束检查、不变验证、业务规则、数据质量 * **API 验证** ：请求验证、响应验证、API 合约 * **数据管道**：远大前程、dbt 测试、数据质量检查 * **ML/AI**：特征验证、分布检查、数据漂移检测 ## 代理分配代理|责任 ---|--- **高级软件工程师** (Opus) |模式架构、验证策略设计、复杂验证模式 **软件工程师**（十四行诗）|实现验证逻辑，集成模式库，编写验证器 **高级软件工程师** (Opus) | XSS 预防、注射预防、消毒策略、编码 **高级软件工程师** (Opus) |基础设施配置验证、管道验证、数据质量检查 ## 关键概念 ### JSON 架构验证从“ajv”导入 Ajv, { JSONSchemaType, ValidateFunction }; 从“ajv-formats”导入 addFormats； // 使用格式初始化 Ajv 常量 ajv = 新 Ajv({ allErrors: true, // 返回所有错误，而不仅仅是第一个错误 removeAdditional: true, // 删除不在模式中的属性 useDefaults: true, // 应用默认值 coerceTypes: true, // 可能时强制类型 }); 添加格式（ajv）； // 使用 TypeScript 类型定义模式接口创建用户请求{ 电子邮件：字符串；密码：字符串；名称：字符串；年龄？：数字；角色：“用户” | “管理员” | “主持人”；偏好？：{ 时事通讯：布尔值；主题：“光”| “黑暗的”; }; } const createUserSchema: JSONSchemaType = { 类型：“对象”，属性：{ 电子邮件：{ 类型：“字符串”，格式：“电子邮件”，最大长度：255 }，密码：{ 类型：“字符串”，最小长度：12，最大长度：128，图案： "^(?=.*[a-z])(?=.*[A-Z])(?=.*\\d)(?=.*[@$!%*?&])[A-Za-z\\d@$!%*?&]+$", }, 名称：{ 类型：“字符串”，最小长度：1，最大长度：100 }，年龄：{ 类型：“整数”，最小值：13，最大值：150，可空：true }，角色：{ 类型：“string”，枚举：[“用户”，“管理员”，“主持人”] }，偏好：{ 类型：“对象”，属性：{ 时事通讯：{ 类型：“boolean”，默认值：false }，主题：{ 类型：“string”，枚举：[“light”，“dark”]，默认值：“light” }， }, 必需：[“新闻通讯”，“主题”]，附加属性: false, 可空：true， }, }, 必填：[“电子邮件”、“密码”、“姓名”、“角色”]、附加属性: false, }; // 编译并缓存验证器 const validateCreateUser = ajv.compile(createUserSchema); // 错误格式的用法函数验证( 验证器：ValidateFunction, 数据：未知， ): { 成功: true;数据：T } | { 成功：假；错误：验证错误[] } { 如果（验证器（数据））{ 返回{成功：true，数据}； } const 错误： ValidationError[] = (validator.errors || []).map((err) => ({ 字段： err.instancePath.replace(/^\//, "").replace(/\//g, ".") || err.params.missingProperty，消息：formatAjvError（错误），代码： err.keyword， })); 返回 { 成功: false, 错误 }; } 函数格式AjvError（错误：Ajv.ErrorObject）：字符串{ switch (错误.关键字) { 案例“必需”： return `${error.params.missingProperty} 是必需的`; 案例“最小长度”： return `必须至少有 ${error.params.limit} 个字符`; 案例“最大长度”： return `最多只能有 ${error.params.limit} 个字符`; 案例“格式”：返回`无效的${error.params.format}格式`; 案例“枚举”： return `必须是以下之一：${error.params.allowedValues.join(", ")}`; 案例“模式”：返回“格式无效”；案例“最小”： return `必须至少为 ${error.params.limit}`; 情况“最大”： return `最多只能是 ${error.params.limit}`; 默认：返回错误信息 || “无效值”； } } ### Zod 验证（TypeScript）从“zod”导入{z，ZodError，ZodSchema}； // 基本模式 const emailSchema = z.string().email().max(255); const 密码架构 = z .string() .min(12, "密码必须至少为 12 个字符") .最大(128) .regex(/[a-z]/, "密码必须包含小写字母") .regex(/[A-Z]/, "密码必须包含大写字母") .regex(/[0-9]/, "密码必须包含数字") .regex(/[^a-zA-Z0-9]/, "密码必须包含特殊字符"); // 具有转换和细化的复杂模式常量 createUserSchema = z .对象({ 电子邮件： emailSchema.transform((e) => e.toLowerCase().trim()), 密码：密码架构，确认密码：z.string(), 姓名：z .string() .分钟(1) .最大(100) .transform((n) => n.trim()), 年龄：z.number().int().min(13).max(150).Optional(), 角色： z.enum(["用户", "管理员", "主持人"]).default("用户"), 标签： z.array(z.string().max(50)).max(10).default([]), 元数据：z.record（z.string（），z.unknown（））.可选（），偏好：z .对象({ 时事通讯：z.boolean().default(false), 主题： z.enum(["light", "dark"]).default("light"), 通知：z .对象({ 电子邮件：z.boolean().default(true), 推送：z.boolean().default(false), 短信：z.boolean().default(false), }) .默认({}), }) .默认({}), }) .refine((data) => data.password === data.confirmPassword, { 消息：“密码不匹配”，路径：[“确认密码”]， }) .transform(({ 确认密码, ...data }) => data); // 删除确认密码 // 从 schema 推断 TypeScript 类型类型 CreateUserInput = z.input; 类型 CreateUserOutput = z.output; // 带有格式化错误的验证助手接口 ValidationResult { 成功：布尔值；数据？：T；错误？：数组<{ 字段：字符串；消息：字符串； }>; } 函数 validateWithZod( 架构：ZodSchema，数据：未知， ): 验证结果 { const 结果 = schema.safeParse(data); if (结果.成功) { return { success: true, data: result.data }; } const 错误 = result.error.errors.map((err) => ({ 字段: err.path.join("."), 消息：错误消息， })); 返回 { 成功: false, 错误 }; } // 自定义细化 const uniqueEmailSchema = emailSchema.refine( 异步（电子邮件）=> { const存在=等待db.users.findByEmail(电子邮件); 返回！存在； }, { message: "电子邮件已注册" }, ）； // 条件验证 const formSchema = z.discriminatedUnion("类型", [ z. 对象({ 类型： z.literal("个人"), 名字：z.string().min(1), 姓氏：z.string().min(1), ssn: z.string().regex(/^\d{3}-\d{2}-\d{4}$/), }), z. 对象({ 类型： z.literal("业务"), 公司名称：z.string().min(1), ein: z.string().regex(/^\d{2}-\d{7}$/), }), ]); // 递归模式接口类别{ 名称：字符串；孩子？：类别[]； } constcategorySchema: z.ZodType<类别> = z.lazy(() => z. 对象({ 名称：z.string().min(1), 孩子：z.array(categorySchema).可选()， }), ）； ### Pydantic 验证 (Python) 从日期时间导入日期时间 from 输入 import 可选、列表、文字从 pydantic 导入（基础模型，场，电子邮件地址, 验证器，根验证器，构造，继续，）进口再 # 带现场验证的基本模型类 CreateUserRequest(BaseModel): 电子邮件：EmailStr 密码： constr(min_length=12, max_length=128) 名称： constr(min_length=1, max_length=100) 年龄：可选[conint(ge=13，le=150)] =无角色：文字['用户', '管理员', '主持人'] = '用户' 标签： List[str] = Field(default_factory=list, max_items=10) 类配置： # 去除字符串中的空格任何str_strip_whitespace = True # 验证分配验证分配 = True # 使用枚举值 use_enum_values = True @validator('电子邮件') def email_lowercase(cls, v): 返回 v.lower() @validator('密码') def 密码强度(cls, v): 如果不是 re.search(r'[a-z]', v): raise ValueError('密码必须包含小写字母') 如果不是 re.search(r'[A-Z]', v): raise ValueError('密码必须包含大写字母') 如果不是 re.search(r'\d', v): raise ValueError('密码必须包含数字') 如果不是 re.search(r'[^a-zA-Z0-9]', v): raise ValueError('密码必须包含特殊字符') 返回v @validator('标签',each_item=True) def validate_tag(cls, v): 如果 len(v) > 50： raise ValueError('标签最多只能有 50 个字符') 返回 v.strip().lower() # 嵌套模型类地址（基础模型）：街道: str 城市：斯特拉状态： constr(min_length=2, max_length=2) 邮政编码： constr(regex=r'^\d{5}(-\d{4})?$') 国家/地区：str = '美国' 类用户配置文件（基础模型）：用户：创建用户请求地址：列表[地址] = 字段(default_factory=列表，max_items=5) 主地址索引：int = 0 @root_validator def validate_primary_address(cls, 值): 地址 = value.get('地址', []) Primary_index = value.get('primary_address_index', 0) 如果地址和primary_index >= len(地址)： raise ValueError('主地址索引超出范围') 返回值 # 通用响应模型从输入导入 TypeVar，通用 T = 类型变量('T') 类 ApiResponse(BaseModel, Generic[T]): 成功：布尔数据：可选[T] =无错误：可选[List[dict]] = None 时间戳：日期时间=字段（default_factory=datetime.utcnow） # 具有数据库查找功能的自定义验证器来自 pydantic 导入验证器导入异步类 UniqueEmailModel(BaseModel): 电子邮件：EmailStr @validator('电子邮件') def email_must_be_unique(cls, v): # 注意：这是同步的；使用 root_validator 进行异步从 app.db 导入 user_exists_sync 如果 user_exists_sync(v): raise ValueError('电子邮件已注册') 返回v # 验证错误处理从 pydantic 导入验证错误从 fastapi 导入 HTTPException def validate_request(model_class, 数据: dict): 尝试：返回模型类（**数据）除了 ValidationError 为 e：错误=[] 对于 e.errors() 中的错误：错误.追加（{ 'field': '.'.join(str(loc) for loc in error['loc']), '消息'：错误['msg']， “类型”：错误[“类型”]， }) 引发 HTTPException(status_code=422，detail={'errors': 错误}) ### 输入清理从“dompurify”导入 DOMPurify；从“jsdom”导入 { JSDOM }；从“验证器”导入验证器； // 服务器端 DOMPurify 设置 const 窗口 = new JSDOM("").window; const purify = DOMPurify(窗口); // HTML 清理函数 sanitizeHtml(dirty: string, options?: DOMPurify.Config): string { const defaultOptions: DOMPurify.Config = { ALLOWED_TAGS：[“b”、“i”、“em”、“strong”、“a”、“p”、“br”、“ul”、“ol”、“li”]， ALLOWED_ATTR：[“href”，“目标”，“rel”]， ALLOW_DATA_ATTR：假， ADD_ATTR: ["target"], // 添加 target="_blank" 到链接 FORBID_TAGS：[“脚本”，“样式”，“iframe”，“表单”，“输入”]， FORBID_ATTR：[“onerror”，“onclick”，“onload”]， }; return purify.sanitize(dirty, { ...defaultOptions, ...options }); } // 富文本清理（更宽松）函数 sanitizeRichText(dirty: string): string { 返回 purify.sanitize(脏的, { ALLOWED_TAGS：[ “h1”， “h2”， “h3”， “h4”， “h5”， “h6”， “p”， “br”， “小时”， “乙”， “我”， “他们”， “强”， “你”， “s”， “罢工”， “ul”， “奥尔”， “礼”， “一个”， “img”， “块引用”， “预”， “代码”， “表”， “头”， “身体”， “tr”， “第”， “TD”， ], ALLOWED_ATTR：[“href”，“src”，“alt”，“标题”，“类”，“id”]， ALLOW_DATA_ATTR：假， }); } // SQL 安全字符串（尽可能使用参数化查询）函数 sanitizeForSql(输入：字符串): 字符串 { 返回输入 .replace(/'/g, "''") .replace(/\\/g, "\\\\") .replace(/\x00/g, "\\0") .replace(/\n/g, "\\n") .replace(/\r/g, "\\r") .replace(/\x1a/g, "\\Z"); } // 文件名清理函数 sanitizeFilename(文件名: 字符串): 字符串 { 返回文件名 .replace(/[^a-zA-Z0-9._-]/g, "_") // 替换特殊字符 .replace(/\.{2,}/g, ".") // 删除连续的点 .replace(/^\.+|\.+$/g, "") // 删除前导/尾随点 .substring(0, 255); // 限制长度 } // 防止路径遍历函数 sanitizePath(userPath: string, basePath: string): string { const 路径 = require("路径"); constsolvedPath = path.resolve(basePath, userPath); if (!resolvedPath.startsWith(path.resolve(basePath))) { throw new Error("检测到路径遍历"); } 返回已解析路径； } // 综合输入清理器接口消毒选项{ 修剪？：布尔值；小写？：布尔值； stripHtml？：布尔值；最大长度？：数字； allowedChars？：正则表达式； } 函数清理字符串（输入：字符串，选项：SanitizationOptions = {}， ): 字符串 { 让结果=输入； if (options.trim !== false) { 结果=结果.trim(); } if (options.stripHtml) { 结果 = validator.stripLow(validator.escape(结果)); } if (options.lowercase) { 结果 = result.toLowerCase(); } if (options.allowedChars) { 结果=结果.替换( new RegExp(`[^${options.allowedChars.source}]`, "g"), "", ）； } if (options.maxLength) { 结果 = result.substring(0, options.maxLength); } // 删除空字节结果 = result.replace(/\x00/g, ""); 返回结果； } // 常见的清理预设常量消毒剂= { 用户名：（输入：字符串）=> 清理字符串（输入，{ 小写：真实，最大长度：30， allowedChars: /[a-z0-9_-]/, }), 电子邮件：（输入：字符串）=> validator.normalizeEmail（输入）|| "", 电话: (输入: 字符串) => input.replace(/[^0-9+()-\s]/g, "").substring(0, 20), slug：（输入：字符串）=> 清理字符串（输入，{ 小写：真实，最大长度：100， }) .replace(/\s+/g, "-") .replace(/[^a-z0-9-]/g, ""), 搜索查询：（输入：字符串）=> 清理字符串（输入，{ 修剪：真实，最大长度：200， stripHtml：正确， }), }; ### 输出编码 // HTML 编码函数encodeHtml(str: string): string { const 实体：Record = { “&”：“&”， “<”：“<”， ">": ">", '"': """, "'": "'", "/": "/", "`": "`", “=”：“=”， }; return str.replace(/[&<>"'`=/]/g, (char) =>Entity[char]); } // JavaScript 字符串编码（用于嵌入 '; const safe = safeHtml`

${userInput}

`; // 结果：

### API 请求/响应验证 // 用于请求验证的 Express 中间件从“express”导入{请求、响应、NextFunction}；从“zod”导入{z，ZodSchema}；函数验证( 架构：ZodSchema，来源：《身体》| “查询”| “参数”=“主体”，）{ return (req: 请求, res: 响应, next: NextFunction) => { const 结果 = schema.safeParse(req[source]); 如果（！结果。成功）{ 返回 res.status(422).json({ 错误：“验证错误”，详细信息： result.error.errors.map((e) => ({ 字段：e.path.join("."), 消息：电子消息， }））， }); } 请求[来源] = 结果.数据; 下一个（）; }; } // 用法 const createUserSchema = z.object({ 电子邮件：z.string().email(), 密码：z.string().min(12), 名称：z.string().min(1).max(100), }); app.post("/users", validate(createUserSchema), async (req, res) => { // req.body 现在已输入并验证 const user =等待createUser(req.body); res.status(201).json(用户); }); // 响应验证 const userResponseSchema = z.object({ id: z.string().uuid(), 电子邮件：z.string().email(), 名称： z.string(), 创建时间：z.string().datetime(), }); 函数 validateResponse（架构：ZodSchema，数据：未知）：T { const 结果 = schema.safeParse(data); 如果（！结果。成功）{ throw new Error("无效的响应格式"); } 返回结果.数据； } ### 数据管道验证（寄予厚望） # 对数据质量验证的厚望将 Great_Expectations 导入为 ge 从 Great_expectations.dataset 导入 PandasDataset # 加载期望的数据集 df = ge.read_csv('data.csv') # 基本期望 df.expect_column_to_exist('user_id') df.expect_column_values_to_not_be_null('电子邮件') df.expect_column_values_to_be_unique('电子邮件') df.expect_column_values_to_match_regex('电子邮件', r'^[^@]+@[^@]+\.[^@]+$') df.expect_column_values_to_be_in_set('状态', ['活动', '非活动', '待处理']) # 数字期望 df.expect_column_values_to_be_ Between('年龄', 0, 150) df.expect_column_mean_to_be_ Between('价格', 10, 1000) # 日期预期 df.expect_column_values_to_be_dateutil_parseable('created_at') # 自定义期望 def 自定义验证(df): # 电子邮件域名必须与company_domain匹配电子邮件 = df['email'].str.split('@', Expand=True)[1] return (emails == df['company_domain']).all() df.expect_column_pair_values_to_be_equal('email_domain', 'company_domain', 自定义_fn=自定义_验证） # 运行验证套件结果= df.validate() 如果没有结果['成功']：对于结果中的结果['结果']：如果没有结果['成功']： print(f"验证失败：{结果['expectation_config']}") # SQL 数据验证的 dbt 测试 # 模型/schema.yml 版本：2 型号： - 名称：用户列： - 名称：用户 ID 测试： - 独特的 - not_null - 姓名：电子邮件测试： - 独特的 - not_null - email_format # 自定义测试 - 姓名：年龄测试： - dbt_utils.accepted_range：最小值：0 最大值：150 - 名称：状态测试： - 接受值：值：['活动'、'非活动'、'待处理'] - 名称：创建时间测试： - not_null - dbt_utils.recency：日期部分：日字段：创建时间间隔：7 ### ML 特征验证 # ML 管道的特征验证将 numpy 导入为 np 将 pandas 导入为 pd 从输入导入字典、列表、元组类特征验证器： def __init__(self, Expected_schema: Dict[str, str]): self.expected_schema =预期_schema self.baseline_stats = {} def validate_schema(self, df: pd.DataFrame) -> 列表[str]: 错误=[] # 检查列是否存在 Expected_cols = set(self.expected_schema.keys()) 实际列 = 设置（df.列）缺失 = 预期列数 - 实际列数如果丢失： error.append(f"缺少列：{missing}") 额外 = 实际列数 - 预期列数如果额外： error.append(f"意外的列：{extra}") # 检查数据类型对于 col，self.expected_schema.items() 中的预期类型：如果 df.columns 中的 col：实际类型 = str(df[col].dtype) 如果不是actual_type.startswith(expected_type)： error.append(f"第 {col} 列：预期 {expected_type}，得到 {actual_type}") 返回错误 def validate_distributions(self, df: pd.DataFrame, 阈值：float = 3.0) -> List[str]: 错误=[] 对于 df.select_dtypes(include=[np.number]).columns 中的 col：如果 col 不在 self.baseline_stats 中：继续 Baseline_mean = self.baseline_stats[col]['mean'] Baseline_std = self.baseline_stats[col]['std'] current_mean = df[col].mean() current_std = df[col].std() # 使用 z 分数检查分布漂移 Mean_zscore = abs((当前平均值 - 基线平均值) / 基线标准) 如果mean_zscore > 阈值： error.append(f"列 {col}：检测到平均漂移（z 分数：{mean_zscore:.2f}）"） # 检查方差变化方差比率 = 当前标准值 / 基线标准值如果variance_ratio < 0.5 或variance_ratio > 2.0： error.append(f"第 {col} 列：检测到方差变化（比率：{variance_ratio:.2f})") 返回错误 def validate_null_rates(self, df: pd.DataFrame, max_null_rate: float = 0.05) -> List[str]: 错误=[] null_rates = df.isnull().sum() / len(df) 对于 col，null_rates.items() 中的比率：如果速率 > max_null_rate： error.append(f"列 {col}：空值率 {rate:.2%} 超过阈值 {max_null_rate:.2%}") 返回错误 def validate_categorical_values(self, df: pd.DataFrame, Expected_categories: Dict[str, List]) -> List[str]: 错误=[] 对于col，预计在expected_categories.items()中：如果 col 不在 df.columns 中：继续实际 = set(df[col].dropna().unique()) 预期集 = 设置（预期）意外 = 实际 - 预期集如果意外： error.append(f"列 {col}: 意外类别 {unexpected}") 返回错误 def set_baseline(self, df: pd.DataFrame): 对于 df.select_dtypes(include=[np.number]).columns 中的 col： self.baseline_stats[col] = { '平均值': df[col].mean(), 'std': df[col].std(), '分钟': df[col].min(), '最大': df[col].max(), } # 用法验证器 = 功能验证器({ 'user_id': 'int', '年龄': '浮动', '收入': '浮动', '类别': '对象', }) # 根据训练数据设置基线 validator.set_baseline(training_df) # 验证新数据错误=[] 错误.扩展（validator.validate_schema（new_df））错误.扩展（validator.validate_distributions（new_df））错误.扩展（validator.validate_null_rates（new_df））错误.扩展（validator.validate_categorical_values（new_df，{ “类别”：[“A”、“B”、“C”] }））如果出现错误： raise ValueError(f"功能验证失败:\n" + "\n".join(errors)) ### 基础设施配置验证 # 用于 Kubernetes 配置验证的 JSON 架构 api版本：v1 种类：ConfigMap 元数据：名称：验证模式数据：部署-schema.json：| { "$schema": "http://json-schema.org/draft-07/schema#", “类型”：“对象”， “必需”：[“apiVersion”，“种类”，“元数据”，“规格”]， “属性”：{ “api版本”：{ “类型”：“字符串”， “模式”：“^apps/v1$” }, “种类”：{ “类型”：“字符串”， "enum": ["部署"] }, “规格”：{ “类型”：“对象”， “必需”：[“副本”，“选择器”，“模板”]， “属性”：{ “副本”：{ “类型”：“整数”， “最小值”：1， “最大”：100 }, “选择器”：{ “类型”：“对象”， “必需”：[“匹配标签”] }, “模板”：{ “类型”：“对象”， “必需”：[“元数据”，“规范”]， “属性”：{ “规格”：{ “类型”：“对象”， “必需”：[“容器”]， “属性”：{ “容器”：{ “类型”：“数组”， “最小项目”：1， “项目”：{ “类型”：“对象”， “必需”：[“名称”，“图像”]， “属性”：{ “资源”：{ “类型”：“对象”， "required": ["请求", "限制"] } } } } } } } } } } } } # Terraform 配置验证进口盐酸导入 json 从 jsonschema 导入验证，ValidationError def validate_terraform_config(config_path: str, schema_path: str): # 解析 HCL 将 open(config_path, 'r') 作为 f：配置= hcl2.load(f) # 加载架构将 open(schema_path, 'r') 作为 f：架构 = json.load(f) # 验证尝试：验证（实例=配置，架构=架构） print("Terraform 配置有效") 除了 ValidationError 为 e： print(f"验证错误：{e.message}") print(f"路径：{' -> '.join(str(p) for p in e.path)}") 提高 # 自定义业务规则验证 def validate_aws_resource_tags(config: dict) -> 列表[str]: 错误=[] required_tags = {'环境', '所有者', 'CostCenter'} 对于 config.get('resource', {}).values() 中的资源：对于resource.items()中的resource_name、resource_config：标签 = set(resource_config.get('tags', {}).keys()) 缺失 = required_tags - 标签如果丢失： error.append(f"资源 {resource_name} 缺少标签：{missing}") 返回错误 ## 最佳实践 1. **尽早验证** * 在边界处验证（API端点、表单提交、管道摄取） * 快速失败并提供清晰的错误消息 * 不要相信任何外部输入 2. **使用架构验证库** * 为了类型安全，更喜欢 Zod/Pydantic * 用于与语言无关的验证的 JSON 模式 * 从模式生成 TypeScript 类型 3. **清理和编码** * 根据上下文（HTML、SQL、路径）清理输入 * 根据渲染位置对输出进行编码 * 使用参数化查询而不是转义SQL 4. **安全第一的验证** * 将允许的值列入白名单而不是黑名单 * 通过输出编码防止XSS * 通过参数化查询和清理来防止注入 * 验证文件上传（类型、大小、内容） 5. **数据管道验证** * 处理前验证模式 * 检查数据分布是否存在漂移 * 监控空率和基数 * 使用远大期望来获得全面的数据质量 6. **机器学习功能验证** * 验证模式与训练数据匹配 * 检测分布漂移 * 检查意外类别 * 监控特征相关性 7. **错误消息** * 提供具体的、可操作的错误消息 * 在错误中包含字段名称 * 生产中不要暴露内部细节 8. **纵深防御** * 在客户端和服务器端都验证 * 应用最小权限原则 * 多层验证（API、服务、数据库）

数据验证

包含技能