Microsoft Authentication Library for JS 中的 knownAuthorities 配置解析
什么是 knownAuthorities
在 Microsoft Authentication Library for JS (MSAL.js) 配置中,knownAuthorities 是一个用于指定已知身份验证机构列表的属性。这个属性主要用于定义应用程序信任的身份提供者(Identity Providers)。
适用场景
knownAuthorities 主要设计用于以下两种场景:
-
Azure AD B2C 应用:当应用程序使用 Azure AD B2C 作为身份提供者时,需要明确指定信任的 B2C 策略域。
-
非标准 Microsoft 身份提供者:当应用程序集成了非标准的 Microsoft 身份提供者服务时,需要在此列出这些自定义的授权机构。
重要注意事项
对于标准的 Azure Active Directory (Azure AD) 应用,不应该将 login.microsoftonline.com 或其他 Azure AD 别名添加到 knownAuthorities 中,原因如下:
-
自动发现机制:MSAL.js 默认已经内置了对标准 Azure AD 授权机构的发现机制,无需额外配置。
-
多租户应用限制:如果开发者希望限制应用只能被特定租户访问,不应该依赖客户端配置来实现。因为客户端验证很容易被绕过,这不是一种安全的做法。
最佳实践
对于需要限制访问权限的多租户应用,建议采用以下方法:
-
使用条件访问策略:在 Azure AD 中配置条件访问(Conditional Access)策略,这是服务端的安全控制方式。
-
令牌验证:在应用后端验证令牌中的
tid(租户ID)声明,确保请求来自允许的租户。 -
API 权限控制:在 API 层面实施租户级别的访问控制,而非在前端实现。
配置示例
虽然不推荐对标准 Azure AD 使用 knownAuthorities,但对于 B2C 场景,配置示例如下:
{
auth: {
clientId: "你的客户端ID",
authority: "https://yourtenant.b2clogin.com/yourtenant.onmicrosoft.com/B2C_1_signupsignin",
knownAuthorities: ["yourtenant.b2clogin.com"]
}
}
总结
理解 knownAuthorities 的正确使用场景对于构建安全的身份验证流程至关重要。开发者应当避免将其用于标准 Azure AD 场景,而应该采用服务端的安全控制机制来实现租户访问限制。对于 B2C 或自定义身份提供者场景,才需要合理配置此属性。
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