OWASP ASVS项目:关于JWT密钥材料来源安全性的技术探讨
2025-06-27 12:38:57作者:伍希望
在现代Web应用安全中,JSON Web Token(JWT)已成为身份验证和授权的重要机制。然而,其安全性高度依赖于密钥材料的可信来源。本文基于OWASP应用安全验证标准(ASVS)的讨论,深入分析JWT密钥管理中的安全风险与最佳实践。
密钥来源信任问题
JWT验证的核心在于确保用于验证签名的密钥材料来自可信源。常见风险场景包括:
- 非预期JKU/X5U头注入:攻击者可能篡改JWT头部的
jku(JWK Set URL)或x5u(X.509 URL)字段,指向攻击者控制的密钥服务器 - 非授权密钥注入:通过
jwk(JSON Web Key)头直接嵌入非授权公钥 - 服务端请求问题:未经验证的URL请求可能导致服务器端请求异常
ASVS的安全要求
OWASP ASVS V3.5.7版本明确要求:
- 必须仅使用预先配置的可信源获取密钥材料
- 对于JWT/JWS结构,必须对
jku、x5u和jwk等头部字段实施严格的允许列表验证 - 验证过程应阻断攻击者指定不可信密钥或密钥源的可能性
技术实现建议
-
静态配置信任源:
- 预先配置已知合法的JWKS端点
- 禁用动态密钥发现机制(如
jku),或实施严格的域名白名单校验
-
密钥头验证:
# 示例:JKU白名单验证 ALLOWED_JWKS_URIS = ['https://auth.example.com/.well-known/jwks.json'] def validate_jku(jku_header): if jku_header not in ALLOWED_JWKS_URIS: raise InvalidTokenError("Untrusted JWKS source") -
纵深防御措施:
- 对密钥获取请求实施速率限制
- 禁用敏感HTTP头(如Cookie)的自动传递
- 实施证书固定(Certificate Pinning)
典型攻击场景
某应用未验证jku头,攻击者构造包含非预期jku的JWT:
- 生成RSA密钥对,将公钥托管在非授权服务器
- 构造JWT头部:
{"alg":"RS256","jku":"https://untrusted.com/jwks"} - 使用私钥签名伪造的声明(如
"admin":true) - 服务端未验证
jku来源,直接使用非授权提供的公钥验证签名
扩展防护建议
- 对于OIDC的
sub_jwk等嵌入式密钥声明,同样需要来源验证 - 考虑实施密钥指纹比对(Thumbprint Verification)
- 关键操作应结合其他验证因素(如时间戳、nonce值)
通过实施这些控制措施,开发者可有效防范JWT相关密钥接管攻击,符合OWASP ASVS对令牌安全的高级要求。在实际部署时,建议结合威胁建模确定适合的严格级别。
登录后查看全文
热门项目推荐
相关项目推荐
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
245
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
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218