Immuni API 接口详解与技术实现分析
2025-07-08 05:58:54作者:昌雅子Ethen
概述
Immuni 是一款基于接触者追踪技术的公共卫生应用,其 API 设计遵循了隐私保护和数据安全的原则。本文将深入解析 Immuni API 的技术架构、核心功能模块及其实现细节。
API 架构设计
Immuni API 采用 RESTful 风格设计,基于 OpenAPI 3.0.1 规范,主要包含五个核心功能模块:
- 应用配置服务
- OTP 验证服务
- 暴露数据采集服务
- 暴露数据报告服务
- 分析服务
核心功能模块详解
1. 应用配置服务
功能描述:提供移动客户端启动时所需的配置参数,包括风险评估权重等关键参数。
技术实现:
- 支持平台差异化配置(iOS/Android)
- 支持按构建版本号区分配置
- 响应缓存60分钟
请求示例:
GET /v1/settings?platform=ios&build=123
关键参数:
platform: 客户端平台(ios/android)build: 应用构建版本号(≥1的整数)
2. OTP 验证服务
功能描述:为医疗机构提供一次性密码(OTP)授权机制,用于验证用户上传数据的合法性。
技术特点:
- OTP 格式为10位大写字母和数字组合(正则:
^[AEFHIJKLQRSUWXYZ1-9]{10}$) - 包含症状开始日期
- 204响应禁止缓存
数据模型:
OTPUpload:
properties:
otp: 9K2RAY8UUQ # 示例值
symptoms_started_on: 2020-10-01 # 日期格式
3. 暴露数据采集服务
3.1 OTP 预验证
功能:在正式上传前验证OTP有效性
安全机制:
- 使用OTP Bearer Token认证
- 支持模拟请求头(Immuni-Dummy-Data)
3.2 数据上传
技术细节:
- 上传过去14天的TEK(临时暴露密钥)
- 包含用户居住地区代码(2位大写字母)
- 客户端时钟同步机制(Immuni-Client-Clock头)
- 服务端会覆盖客户端计算的transmission_risk_level
TEK数据结构:
TEK:
properties:
key_data: utdH33iMRTapATp7iK3hdA== # Base64编码
rolling_start_number: 2648160 # ≥0的整数
rolling_period: 144 # ≥0的整数
4. 暴露数据报告服务
功能架构:
-
获取TEK区块索引(/keys/index)
- 返回最近14天的TEK区块范围
- 缓存30分钟
-
下载特定TEK区块(/keys/{TEKChunkIndex})
- 区块索引从1开始递增
- 区块缓存15天
数据流:
移动客户端 → 获取索引 → 下载新TEK → 本地匹配计算
5. 分析服务
数据采集类型:
-
iOS设备运行数据
- 使用设备认证SDK验证分析令牌
- 遵循月度数据收集策略
-
Android设备运行数据
- 使用SafetyNet硬件证明令牌认证
安全机制:
- 所有请求支持模拟模式(Dummy-Data)
- 区分平台的数据收集策略
关键技术实现
1. 隐私保护设计
- TEK有效期严格限制为14天
- 所有个人数据去标识化处理
- 客户端计算的传播风险分数会被服务端覆盖
2. 性能优化
- 分级缓存策略(配置60分钟,TEK索引30分钟,TEK数据15天)
- 区块化TEK分发机制减少重复下载
3. 安全机制
- 双重认证(OTP+Bearer Token)
- 设备级认证(iOS设备认证SDK/Android SafetyNet)
- 模拟请求标识(Immuni-Dummy-Data头)
4. 数据模型
暴露检测摘要:
ExposureDetectionSummary:
properties:
date: 2020-10-01
matched_key_count: 2 # ≥1
days_since_last_exposure: 1 # 0-14
attenuation_durations: [300, 0, 0] # 3个≥0的整数
maximum_risk_score: 4 # 0-4096
暴露信息详情:
ExposureInfo:
properties:
date: 2020-10-01
duration: 1800 # 秒
attenuation_value: 45 # dB
total_risk_score: 7
transmission_risk_level: 5
最佳实践建议
-
客户端实现:
- 实现严格的TEK本地管理(14天滚动窗口)
- 合理使用缓存策略减少网络请求
- 正确处理时钟偏差(Immuni-Client-Clock)
-
服务端集成:
- 医疗机构系统应实现OTP自动注册流程
- 分析数据收集应遵循最小必要原则
-
测试策略:
- 充分利用Dummy-Data头进行集成测试
- 模拟各种时钟偏差场景
总结
Immuni API 设计体现了隐私优先、安全可靠的技术理念,通过模块化的服务设计和严格的数据管控机制,在保障用户隐私的前提下实现了有效的接触者追踪功能。其技术实现中的区块化数据分发、分级缓存策略等设计值得类似系统参考借鉴。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
677
暂无简介
Dart
802
199
openEuler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。
C
350
205
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781