Python-JOSE 3.4.0 版本发布:安全增强与现代化升级
Python-JOSE 是一个用于处理 JSON Web Tokens (JWT) 和 JSON Web Encryption (JWE) 的 Python 库,它实现了 JOSE (Javascript Object Signing and Encryption) 标准。这个库在 Web 安全领域扮演着重要角色,被广泛应用于身份验证、授权和数据交换等场景。
主要更新内容
1. Python 版本支持调整
本次 3.4.0 版本移除了对 Python 3.6 和 3.7 的支持,同时新增了对 Python 3.10 和 3.11 的支持。这一变化反映了 Python 社区的版本演进趋势,也意味着项目将能够利用新版本 Python 的特性进行优化。
2. 安全增强
CryptographyAESKey 加密改进:更新了 CryptographyAESKey::encrypt 方法,现在为 GCM 块密码模式生成 96 位 IV (初始化向量)。GCM (Galois/Counter Mode) 是一种广泛使用的认证加密模式,96 位 IV 是推荐的长度,能够提供更好的安全性和性能平衡。
PEM 密钥比较修复:解决了由于行长度和换行符导致的 PEM 密钥比较问题。PEM 格式的密钥在存储时可能会有不同的换行处理方式,这个修复确保了密钥比较的准确性。
CVE-2024-33664 修复:解决了 JWE 限制为 250KiB 的问题。这个限制可能会影响大负载的处理,修复后提高了库的可用性。
CVE-2024-33663 修复:现在禁止使用公钥签名 JWT。这是一个重要的安全修复,因为使用公钥签名是不安全的做法,可能导致安全漏洞。
3. 代码现代化
时间处理改进:将弃用的 datetime.utcnow() 替换为 datetime.now(UTC)。这是 Python 3.12 中 utcnow() 被弃用后的必要更新,确保了代码的向前兼容性。
技术影响分析
-
安全性提升:两个 CVE 修复和加密改进显著增强了库的安全性,特别是禁止公钥签名的改变,消除了潜在的安全风险。
-
性能优化:96 位 IV 的使用在 GCM 模式下可以提供更好的性能,同时保持足够的安全性。
-
维护性改善:移除旧版 Python 支持简化了代码维护,而新版本 Python 的支持则确保了库的长期可用性。
-
兼容性考虑:时间处理函数的更新避免了未来 Python 版本升级时可能遇到的问题。
升级建议
对于使用 Python-JOSE 的项目,建议尽快升级到 3.4.0 版本,特别是:
- 处理大量数据的应用,受益于 JWE 大小限制的解除
- 需要高安全性的场景,受益于多个安全修复
- 计划升级到 Python 3.10/3.11 的项目
升级时需要注意:
- 确保运行环境使用 Python 3.8 或更高版本
- 检查是否有代码依赖了被修复的行为(如公钥签名)
- 测试时间相关功能,确保
datetime.now(UTC)的替代没有引入问题
Python-JOSE 3.4.0 的这些改进使其在安全性、性能和现代化方面都迈出了重要一步,是 Web 安全开发者的有力工具。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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