Web Platform Tests项目中的Integrity Policy安全策略更新解析
Web Platform Tests(简称WPT)是一个开源的跨浏览器测试套件,旨在为Web平台提供标准化的测试用例。该项目由W3C和浏览器厂商共同维护,包含了HTML、CSS、JavaScript等Web技术的测试规范。最近,该项目针对Integrity Policy(完整性策略)进行了一系列重要的安全更新,本文将深入解析这些变更的技术细节及其意义。
Integrity Policy的基本概念
Integrity Policy是Web安全中一项重要的内容安全策略,主要用于验证加载资源的完整性。通过使用子资源完整性(Subresource Integrity,SRI)技术,开发者可以确保从CDN或其他外部源加载的脚本或样式表未被篡改。其核心原理是通过比对资源的实际哈希值与预期哈希值来验证资源完整性。
本次更新的核心内容
本次更新主要涉及两个关键方面:
-
移除非安全页面的例外机制:原先的实现中,Integrity Policy对非安全页面(如HTTP协议页面)存在例外机制,这不符合规范要求,也不符合安全最佳实践。更新后移除了这一机制,确保所有页面都受到相同的安全策略约束。
-
新增扩展测试用例:为了更全面地验证Integrity Policy的行为,特别是针对浏览器扩展场景,新增了相关的测试用例。这些测试有助于确保在各种复杂环境下策略的正确实施。
技术实现细节
在底层实现上,Chromium团队进行了以下主要修改:
- 移除了对
http://页面的特殊处理逻辑,确保安全策略一致应用 - 重构了策略检查逻辑,使其更符合W3C规范要求
- 增加了针对浏览器扩展场景的测试覆盖率
- 优化了错误处理机制,提供更明确的违反策略反馈
安全意义分析
这项变更具有重要的安全意义:
-
消除潜在风险:原先允许HTTP页面绕过完整性检查可能被利用,实施中间人攻击或资源篡改。
-
一致性提升:确保所有页面类型(无论是否加密)都遵循相同的安全标准,减少了特殊情况下可能出现的安全盲区。
-
规范符合性:使实现更贴近W3C规范要求,提高了不同浏览器间行为的一致性。
对开发者的影响
对于Web开发者而言,这项变更意味着:
- 在HTTP页面上也需要正确处理资源完整性验证
- 开发浏览器扩展时需要特别注意资源加载的完整性检查
- 调试时可能会遇到新的策略违反错误,需要相应调整开发实践
测试覆盖的增强
新增的扩展测试主要验证以下场景:
- 扩展中加载本地资源时的完整性检查
- 扩展与页面内容交互时的策略边界
- 不同安全上下文下的策略应用一致性
- 错误处理和报告机制的正确性
这些测试有助于确保Integrity Policy在各种复杂环境下都能正确工作,特别是考虑到现代Web应用中扩展扮演的重要角色。
总结
Web Platform Tests项目对Integrity Policy的这次更新,体现了对Web安全标准的持续完善。通过消除非安全页面的特殊例外机制,并增强测试覆盖,不仅提高了规范符合性,也增强了实际应用中的安全性。对于Web开发者而言,理解这些变更有助于构建更安全的Web应用,特别是在涉及外部资源加载和浏览器扩展开发的场景中。
随着Web技术的不断发展,类似的安全策略更新将持续出现,保持对这些变更的关注和理解,是每个Web开发者安全实践的重要组成部分。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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