ApiAuth 技术文档
1. 安装指南
ApiAuth 是一个用于客户端和服务器端 HTTP 应用的 Ruby gem,它实现了与亚马逊 Web 服务相同的认证方法(HMAC-SHA2)。要安装 ApiAuth,请确保您的 Ruby 版本 >= 2.6,如果使用 Rails,请确保 Rails 版本 >= 6.0。
安装命令如下:
[sudo] gem install api-auth
请注意,gem 名称中的连字符是 api-auth,而不是下划线。
2. 项目的使用说明
ApiAuth 主要用于在客户端对请求进行签名,并在服务器端验证签名。它支持多种流行的 HTTP 客户端,如 Net::HTTP、ActionDispatch::Request、RestClient、Faraday 等。
2.1 客户端请求签名
假设您有一个客户端访问 ID 和密钥:
@access_id = "1044"
@secret_key = ApiAuth.generate_secret_key
使用 RestClient 进行 PUT 请求的示例:
headers = { 'X-Authorization-Content-SHA256' => "dWiCWEMZWMxeKM8W8Yuh/TbI29Hw5xUSXZWXEJv63+Y=",
'Content-Type' => "text/plain",
'Date' => "Mon, 23 Jan 1984 03:29:56 GMT"
}
@request = RestClient::Request.new(
url: "/resource.xml?foo=bar&bar=foo",
headers: headers,
method: :put
)
对请求进行签名:
@signed_request = ApiAuth.sign!(@request, @access_id, @secret_key)
签名后,请求头中将添加 Authorization 字段,请求即可发送。
2.2 ActiveResource 客户端
ApiAuth 可以透明地保护您的 ActiveResource 通信,只需在 ActiveResource 类中添加一行配置:
class MyResource < ActiveResource::Base
with_api_auth(access_id, secret_key)
end
这将自动为您的应用中的所有 ActiveResource 请求签名。
2.3 Faraday 客户端
ApiAuth 提供了 Faraday 中间件,用于为 Faraday 连接添加认证:
require 'faraday/api_auth'
Faraday.new do |f|
f.request :api_auth, @access_id, @secret_key
end
请注意,中间件的顺序很重要,确保 api_auth 是最后一个。
3. 项目 API 使用文档
3.1 生成 API 密钥
您可以使用以下方法为客户端生成 Base64 编码的 API 密钥:
ApiAuth.generate_secret_key
3.2 验证请求
要验证请求是否真实,可以使用以下方法:
ApiAuth.authentic?(signed_request, secret_key)
默认情况下,authentic? 方法使用 Authorization 头中指定的摘要方法。如果需要强制使用其他摘要方法,可以传递 digest 参数:
ApiAuth.authentic?(signed_request, secret_key, :digest => 'sha256')
为了防止重放攻击,默认情况下,请求的有效期为 15 分钟。您可以通过 clock_skew 参数调整有效期:
ApiAuth.authentic?(signed_request, secret_key, :clock_skew => 60) # 1 分钟
3.3 获取客户端访问 ID
您可以从请求头中提取客户端的访问 ID:
ApiAuth.access_id(signed_request)
4. 项目安装方式
ApiAuth 的安装非常简单,只需使用以下命令:
[sudo] gem install api-auth
确保您的 Ruby 和 Rails 版本符合要求,并且 OpenSSL 配置正确。
总结
ApiAuth 是一个强大的工具,用于在客户端和服务器端之间进行安全的 HTTP 通信。通过简单的配置和 API 调用,您可以轻松地为请求签名并验证其真实性。希望本文档能帮助您更好地理解和使用 ApiAuth。
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