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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust012
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00