FastEndpoints项目中实现双JWT认证方案的技术实践
2025-06-08 03:48:48作者:齐添朝
背景与需求分析
在现代Web应用开发中,多认证源的需求日益普遍。本文以FastEndpoints框架为例,探讨如何在一个API系统中同时集成Keycloak认证和自定义JWT认证方案。典型场景包括:
- 主认证系统使用Keycloak进行企业级身份管理
- 辅助认证系统采用自定义JWT实现细粒度资源权限控制(类似GitHub个人访问令牌)
核心实现方案
1. 多认证方案配置
通过ASP.NET Core的认证中间件注册两种JWT方案:
services.AddAuthentication(options =>
{
options.DefaultScheme = "KeycloakOrCustom"; // 组合方案标识
})
.AddPolicyScheme("KeycloakOrCustom", "选择认证方案", options =>
{
options.ForwardDefaultSelector = context =>
{
// 根据请求特征自动选择认证方案
return context.Request.Headers.ContainsKey("X-Custom-Token")
? "CustomIssuer"
: "Keycloak";
};
})
.AddJwtBearer("Keycloak", options =>
{
// Keycloak标准配置
})
.AddJwtBearer("CustomIssuer", options =>
{
// 自定义令牌配置
options.Events = new JwtBearerEvents
{
OnTokenValidated = context =>
{
// 自定义权限声明转换逻辑
var permissions = context.Principal.FindFirst("permissions")?.Value;
// 将权限字符串解析为Claims
}
};
});
2. 端点级权限控制
在FastEndpoints端点中实现灵活的策略控制:
public override void Configure()
{
Post("/api/resources");
Policies("AdminPolicy"); // Keycloak策略
Options(b => b.WithMetadata(
new CustomPermissionAttribute(ResourceType.Repo, "push")
));
}
3. 自定义授权处理器
实现IAuthorizationHandler处理复杂授权逻辑:
public class CustomAuthHandler : AuthorizationHandler<CustomRequirement>
{
protected override Task HandleRequirementAsync(
AuthorizationHandlerContext context,
CustomRequirement requirement)
{
// 从HttpContext获取端点元数据
var endpoint = context.Resource as DefaultHttpContext?
.GetEndpoint();
// 验证自定义权限逻辑
if (/* 满足权限条件 */)
{
context.Succeed(requirement);
}
return Task.CompletedTask;
}
}
关键实现细节
-
方案选择策略:通过ForwardDefaultSelector实现请求头检测自动路由
-
声明转换:在OnTokenValidated事件中将自定义权限字符串转换为标准Claims
-
元数据驱动:利用端点元数据存储资源权限要求,保持代码整洁
-
策略组合:通过RequireAssertion实现多条件授权逻辑
最佳实践建议
-
令牌区分:建议使用不同的Authorization头前缀(如Bearer和Custom)明确令牌类型
-
性能优化:对自定义JWT的签名验证建议使用非对称加密
-
安全增强:为自定义令牌实现短期有效期和刷新机制
-
监控审计:记录认证方案选择日志用于安全分析
总结
通过FastEndpoints的灵活架构,我们可以优雅地实现多认证源集成。这种方案既保留了Keycloak的企业级认证能力,又通过自定义JWT实现了细粒度的资源权限控制,为复杂系统的权限设计提供了有效解决方案。开发者可以根据实际需求调整两种认证方案的优先级和组合方式,构建最适合自身业务场景的安全体系。
登录后查看全文
热门项目推荐
相关项目推荐
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- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
247
2.45 K
deepin linux kernel
C
24
6
仓颉编译器源码及 cjdb 调试工具。
C++
116
89
React Native鸿蒙化仓库
JavaScript
217
297
暂无简介
Dart
546
119
🎉 (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
1.01 K
595
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
1.02 K
409
Ascend Extension for PyTorch
Python
85
118
仓颉编程语言运行时与标准库。
Cangjie
124
102
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++
592
121