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。
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