ZenStack v2.11.0 发布:字段加密与策略增强
项目简介
ZenStack 是一个基于 Prisma 构建的全栈开发框架,它通过扩展 Prisma 的数据模型语言(ZModel)提供了强大的访问控制、数据验证和 API 生成能力。ZenStack 的核心价值在于简化全栈应用的开发流程,特别是在处理数据安全和权限管理方面提供了开箱即用的解决方案。
版本亮点
1. 字段级加密功能(预览版)
ZenStack v2.11.0 引入了备受期待的字段加密功能,这是一个重要的安全增强特性。开发者现在可以通过简单的 @encrypted 属性标记敏感字段,框架会自动处理这些字段的加密和解密过程。
技术实现特点:
- 透明加解密:开发者无需手动处理加密逻辑,增强的 PrismaClient 会自动完成这些操作
- 无缝集成:与现有数据模型和访问控制策略完美配合
- 声明式配置:只需在字段上添加
@encrypted属性即可启用加密
使用场景示例:
model User {
id Int @id
email String
password String @encrypted // 标记为加密字段
creditCardNumber String @encrypted // 敏感支付信息加密
}
2. 访问策略函数增强
新版本增加了两个重要的策略函数,使得基于角色的访问控制(RBAC)实现更加灵活和精确:
- currentModel():返回当前策略所属的模型名称
- currentOperation():返回当前正在执行的操作类型(create/read/update/delete)
这些函数特别适合实现细粒度的权限系统,其中用户可以拥有针对特定资源和操作的权限。
典型应用示例:
model Resource {
id Int @id
name String
owner User @relation(fields: [ownerId], references: [id])
ownerId Int
@@allow('all',
owner.roles?[
permissions?[
resource == currentModel() &&
action == currentOperation()
]
])
}
这个策略实现了:只有当用户拥有针对当前模型(Resource)和当前操作(如read/update等)的明确权限时,才允许访问。
其他重要改进
-
OpenAPI 生成优化:
- 现在会根据 ZModel 中声明的类型正确生成 "id" 字段的类型定义
-
模型继承增强:
- 新增了循环继承检查,避免模型定义中出现循环依赖
- 修复了基模型和派生模型之间
@@schema属性的继承逻辑
-
代理模型改进:
- 修复了在代理模型中使用
check()函数时的注入问题 - 解决了代理基模型中关系字段
_count查询的错误
- 修复了在代理模型中使用
-
REST API 行为优化:
- DELETE 操作现在会返回状态码200和一个空对象响应,保持API行为的一致性
技术价值分析
ZenStack v2.11.0 的发布在以下几个技术维度上提供了显著价值:
-
数据安全:字段加密功能为敏感数据提供了额外的保护层,即使数据库被入侵,加密字段的内容也能保持安全。
-
权限管理:新的策略函数使得实现复杂的RBAC系统变得更加简单和直观,开发者可以更精确地控制谁能在什么条件下访问哪些数据。
-
开发者体验:各种边界情况的修复和优化减少了开发中的陷阱,使得开发过程更加顺畅。
-
架构灵活性:模型继承和代理模型的改进为构建复杂的数据模型提供了更好的支持。
升级建议
对于正在使用 ZenStack 的项目,特别是那些处理敏感数据或需要精细权限控制的场景,建议尽快评估升级到 v2.11.0。字段加密功能虽然还处于预览阶段,但已经可以用于非关键业务场景的测试和验证。新的策略函数可以显著简化权限系统的实现代码,值得在权限逻辑重构时考虑采用。
对于新项目,直接采用 v2.11.0 可以充分利用这些新特性,构建更加安全和灵活的应用系统。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C097
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00