SimpleWebAuthn 中获取 AAGUID 的技术指南
2025-07-07 14:24:57作者:魏献源Searcher
什么是 AAGUID
AAGUID(Authenticator Attestation GUID)是 WebAuthn 认证过程中用于标识认证器(如 YubiKey、Windows Hello 等)类型的唯一标识符。在 WebAuthn 应用中,获取并存储 AAGUID 非常重要,因为它可以帮助我们:
- 识别用户使用的认证器类型
- 显示对应的认证器提供商图标
- 提供更好的用户体验
为什么需要获取 AAGUID
在 WebAuthn 的注册流程中,客户端会生成一个包含认证信息的响应对象。这个对象中的 attestationObject 包含了认证器的详细信息,其中就包括 AAGUID。通过解析这个对象,我们可以获取到 AAGUID 并存储到数据库中,以便后续识别认证器类型。
在 SimpleWebAuthn 中获取 AAGUID 的方法
SimpleWebAuthn 提供了多种方式来获取 AAGUID,以下是两种主要方法:
方法一:通过验证注册响应获取
这是最简单的方法,在验证注册响应后,可以直接从返回的验证结果中获取 AAGUID:
const verification = await verifyRegistrationResponse({
// 验证参数
});
const aaguid = verification.registrationInfo?.aaguid;
方法二:手动解析认证数据
如果需要更底层的控制,可以使用 SimpleWebAuthn 提供的辅助工具手动解析:
import {
isoBase64URL,
decodeAttestationObject,
parseAuthenticatorData,
convertAAGUIDToString,
} from '@simplewebauthen/server/helpers';
// 将 base64 编码的 attestationObject 转换为 Buffer
const attestationBytes = isoBase64URL.toBuffer(response.attestationObject);
// 解码认证对象
const decodedAttestation = decodeAttestationObject(attestationBytes);
// 解析认证数据
const parsedAuthData = parseAuthenticatorData(decodedAttestation.get('authData'));
// 转换 AAGUID 为字符串格式
const aaguid = convertAAGUIDToString(parsedAuthData.aaguid!);
数据模型建议
为了完整支持认证器识别功能,建议在数据库中存储以下字段:
interface WebAuthnCredential {
id: string; // 凭证ID
publicKey: string; // 公钥
aaguid: string; // 认证器GUID
// 其他字段...
}
实际应用建议
-
图标显示:获取 AAGUID 后,可以查询 FIDO 联盟的元数据服务或维护自己的图标映射表,为用户显示对应的认证器图标。
-
安全性考虑:虽然 AAGUID 可以帮助识别认证器类型,但不应该仅依赖它来做安全决策。
-
用户体验:在用户界面中显示认证器类型和图标可以增强用户信任,特别是在多设备登录场景下。
总结
SimpleWebAuthn 提供了简单和底层两种方式来获取 AAGUID,开发者可以根据需求选择合适的方法。正确存储和使用 AAGUID 可以显著提升 WebAuthn 应用的用户体验和透明度。
对于大多数应用场景,推荐使用第一种方法(通过验证注册响应获取),它更简单且不易出错。只有在需要深度定制或特殊处理时才考虑使用第二种手动解析方法。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
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
9
1
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210