Zammad项目中API创建工单文章时的权限检查问题分析
2025-06-11 15:48:53作者:管翌锬
问题概述
在Zammad开源客服系统6.5版本中,存在一个关于API接口权限控制的缺陷。当用户通过API接口创建工单文章时,系统错误地检查了用户是否具有创建新工单的权限,而不是检查用户是否有权限在现有工单上添加文章。
技术背景
Zammad是一个功能丰富的客服系统,提供了完善的权限控制系统。在正常的业务逻辑中,创建新工单和向现有工单添加文章应该是两种不同的权限:
- 创建工单权限:控制用户能否发起新的工单请求
- 更新工单权限:控制用户能否在已有工单上进行操作,包括添加文章
问题详细分析
错误表现
当用户通过POST请求访问api/v1/ticket_articles接口创建工单文章时,系统会错误地检查用户是否具有"创建新工单"的权限。这导致即使该用户拥有更新工单的权限,也会因为缺少创建工单权限而被拒绝操作。
影响范围
这个问题主要影响以下场景:
- 拥有"仅更新"权限的客服人员
- 通过API接口自动化处理工单的系统集成
- 需要限制用户只能回复而不能创建新工单的业务场景
根本原因
经过分析,问题源于权限检查逻辑的错误实现。在API控制器中,系统没有正确地区分"创建工单"和"添加工单文章"这两种不同的操作权限。此外,TicketArticlePolicy策略类也存在类似问题,虽然当前并未在相关控制器中使用。
解决方案
正确的权限检查应该:
- 首先验证用户是否有权访问目标工单
- 然后检查用户是否具有在该工单上添加文章的权限
- 不应检查用户是否有创建新工单的权限
技术启示
这个案例提醒我们在设计权限系统时需要注意:
- 操作权限应该与业务功能精确匹配
- API接口的权限检查需要与UI界面保持一致
- 权限粒度过粗可能导致业务功能受限
- 在权限检查中需要明确区分"创建"和"更新"操作
总结
Zammad系统中的这个权限检查缺陷虽然看似简单,但反映了权限系统设计中常见的陷阱。正确的权限控制应该基于实际业务需求,确保用户能够执行他们有权限执行的操作,同时防止越权行为。这个问题的修复将使得Zammad的API接口权限控制更加精确和合理。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137