OpenZiti Edge控制器API新增姿势检查类型过滤功能
2025-06-25 03:11:22作者:龚格成
背景介绍
在OpenZiti零信任网络平台中,姿势检查(Posture Checks)是一项关键的安全功能,它允许管理员定义设备必须满足的安全条件才能访问网络资源。这些检查可以包括设备是否锁屏、是否运行特定进程等多种验证类型。
问题发现
在OpenZiti Edge控制器的API使用过程中,开发者发现现有的/posture-checks端点虽然提供了多种过滤字段,但缺少对姿势检查类型(type)的过滤支持。这使得开发者无法直接通过API请求获取特定类型的姿势检查列表,例如只获取"进程运行检查"或"设备锁屏检查"等。
技术实现分析
OpenZiti Edge控制器API的元数据中原本定义的过滤字段包括:
- promptOnUnlock
- promptOnWake
- id
- createdAt
- updatedAt
- tags
- isSystem
- name
这些字段虽然覆盖了部分查询需求,但缺少对姿势检查类型的直接过滤能力。相比之下,/configs端点已经实现了对配置类型的过滤功能。
解决方案
开发团队在接到这个功能请求后,通过以下步骤实现了类型过滤功能:
- 在姿势检查的数据模型中明确类型字段
- 在API端点元数据中添加"type"作为可过滤字段
- 确保后端查询逻辑支持基于类型的过滤
- 更新相关文档和测试用例
实现效果
完成该功能后,API使用者现在可以通过类似如下的请求来过滤特定类型的姿势检查:
GET /posture-checks?filter=type eq "OS"
这将只返回操作系统相关的姿势检查,大大提高了API的查询效率和易用性。
技术意义
这一改进虽然看似简单,但对于OpenZiti的管理和使用具有重要意义:
- 提升管理效率:管理员可以快速定位特定类型的姿势检查
- 优化API性能:减少不必要的数据传输
- 增强一致性:与其他端点(如/configs)保持一致的过滤能力
- 改善开发者体验:使API更加符合RESTful设计原则
最佳实践建议
对于使用OpenZiti API的开发者,建议:
- 在需要处理大量姿势检查时,优先使用类型过滤
- 结合其他过滤条件创建更精确的查询
- 定期检查API元数据,了解新增的过滤能力
- 在客户端实现缓存机制,减少重复查询
总结
OpenZiti团队持续关注开发者体验和API功能的完善。这次对姿势检查类型过滤的支持,体现了团队对开发者反馈的积极响应和对产品细节的关注。这类看似小的改进,实际上对构建高效、易用的零信任网络管理平台至关重要。
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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