OpenIddict核心库中PAR模式下select_account参数处理问题解析
背景介绍
OpenIddict是一个基于ASP.NET Core的开源OpenID Connect服务器框架,近期在其6.1.1版本中引入了Pushed Authorization Requests (PAR)模式的支持。PAR是一种安全增强特性,它允许客户端将授权请求参数推送到授权服务器,而不是直接通过前端通道传递。
问题现象
在PAR模式的实际使用中发现,当授权请求中包含prompt=select_account参数时,该参数在后续流程中不会被自动移除,这可能导致循环重定向问题。这与prompt=login参数的行为不同,后者在OpenIddict中已经被特殊处理。
技术原理分析
OpenIddict出于安全考虑,在PAR模式下设计为不允许覆盖原始授权请求中的参数。这种设计主要是为了防止恶意方降级安全相关参数,如PKCE机制或response_type等关键信息。
目前代码中对prompt参数有特殊处理逻辑,但仅针对login值,不包括select_account。select_account参数通常用于多账户选择场景,在ASP.NET Core中实现相对复杂,因此使用频率较低。
解决方案演进
OpenIddict维护者提出了几种可能的解决方案:
-
扩展现有逻辑:将特殊处理逻辑扩展到
select_account和consent参数,但这种方法被认为较为脆弱。 -
AuthenticationProperties方案:最初考虑使用ASP.NET Core的AuthenticationProperties来保存这些属性,但由于ASP.NET Core Identity在使用外部登录提供商时不会保留这些属性,此方案不可行。
-
会话中间件方案:考虑使用会话中间件或自定义Cookie处理器来独立维护这些属性,但这需要开发者在授权控制器中自行实现。
-
TempData方案:最终确定的最优方案是使用ASP.NET Core的TempData机制来存储相关标志。这种方法比现有的特殊处理逻辑更加清晰,将在7.0.0-preview.2版本中实现。
临时解决方案
对于使用6.x版本的用户,可以采用与TempData类似的方案来解决prompt=select_account导致的循环重定向问题。开发者可以在授权流程中手动处理这一参数,避免其被持久化。
版本兼容性说明
OpenIddict 7.0将针对ASP.NET Core/Entity Framework 2.3作为最低版本要求,以确保.NET Framework用户始终使用受支持的ASP.NET Core版本。7.0.0-preview.2版本还对核心堆栈进行了重大修改,使其兼容Native AOT,这可能会影响相关集成项目。
总结
PAR模式下的参数处理需要平衡安全性和功能性。OpenIddict团队正在优化相关实现,从特殊处理逻辑转向更健壮的TempData方案。开发者在使用select_account等提示参数时应注意这一行为差异,并根据版本选择合适的解决方案。
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。C077
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
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
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0131
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