AspNetCore.Diagnostics.HealthChecks中OpenIdConnectServer健康检查的优化
在AspNetCore.Diagnostics.HealthChecks项目的8.0.0版本中,OpenIdConnectServer健康检查功能引入了一个重要的变更,这个变更主要影响了与OpenID Connect服务发现端点验证相关的逻辑。
OpenID Connect是基于OAuth 2.0协议的身份认证层,它允许客户端验证终端用户的身份,并获取基本的用户信息。在OpenID Connect协议中,服务发现端点(Discovery Endpoint)提供了一种标准化的方式来获取提供者的配置信息。
在最新版本的健康检查实现中,代码对服务发现端点的响应增加了更严格的验证条件,特别是对response_types_supported字段的检查。根据OpenID Connect Discovery 1.0规范,这个字段是必需的,但规范明确指出只有动态OpenID提供者(Dynamic OpenID Providers)才必须支持特定的响应类型值(code、id_token和id_token token)。
这一变更导致了一些标准OpenID提供者的健康检查失败,特别是那些已经禁用隐式流(Implicit Flow)的提供者。隐式流在现代安全实践中被认为是不推荐的,因为它存在潜在的安全风险。许多现代OpenID实现,如基于OpenIddict-core构建的解决方案,已经选择仅支持授权码流(Authorization Code Flow)和混合流(Hybrid Flow)。
从技术实现角度来看,健康检查现在会验证服务发现端点返回的response_types_supported数组是否包含特定的值。这一验证对于动态OpenID提供者是必要的,但对于标准提供者来说则过于严格。这个问题在.NET Core 8环境下使用健康检查8.0.0版本时尤为明显。
这个问题的修复方案是调整健康检查的验证逻辑,使其符合OpenID Connect规范的实际要求:仅对动态OpenID提供者执行严格的response_types_supported验证,而对标准提供者则保持更宽松的检查。这一变更确保了健康检查功能既能满足安全要求,又能兼容各种不同类型的OpenID Connect实现。
对于开发者来说,这一改进意味着他们可以继续使用最新版本的AspNetCore.Diagnostics.HealthChecks来监控他们的OpenID Connect服务,而不必担心因为禁用不推荐的安全流程而导致健康检查失败。这也体现了健康检查库对现代安全实践的适应能力。
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