Logto v1.28.0 版本发布:增强安全策略与身份验证能力
Logto 是一个现代化的身份验证和用户管理解决方案,专为开发者设计,提供了简单易用的身份验证基础设施。最新发布的 v1.28.0 版本带来了多项重要更新,特别是在安全策略和身份验证能力方面的增强。
全面的电子邮件黑名单策略
Logto v1.28.0 引入了一个全新的电子邮件黑名单策略系统,为管理员提供了更精细的控制能力。在控制台的安全设置部分,新增了一个专门的页面来管理这些策略。
这项功能的核心价值在于:
- 能够灵活地限制特定电子邮件地址或域名用于注册和账户关联
- 支持对电子邮件子地址(如"user+tag@example.com")进行控制
- 通过黑名单机制防止不希望的电子邮件地址被使用
从技术实现角度看,这套系统采用了高效的模式匹配算法,能够实时验证用户输入的电子邮件地址是否符合预设规则,同时保持了良好的性能表现。
电话号码处理的重大改进
在电话号码处理方面,v1.28.0 版本实现了更智能的格式验证和标准化存储机制:
-
新增了对国家格式中带有前导零的电话号码的特殊处理
- 自动将"+61 (0)2 1234 5678"这样的号码标准化为"+61 2 1234 5678"
- 用户可以使用任意一种格式(带或不带前导零)进行登录
- 现有账户仍保留其原始电话号码格式
-
数据库层面实施了更严格的电话号码格式验证
-
解决了之前版本中存在的电话号码格式不一致问题
这些改进使得电话号码处理更加规范,减少了因格式差异导致的用户登录问题,同时也为后续的电话号码相关功能开发奠定了更坚实的基础。
新增QQ社交连接器
为扩展社交登录选项,v1.28.0 版本新增了专门为Web应用设计的QQ社交连接器。这个连接器实现了:
- 与QQ账户系统的无缝集成
- 符合QQ开放平台的最新API规范
- 优化的用户授权流程
- 安全可靠的token交换机制
对于有中国用户群体的应用来说,这项功能极大地简化了QQ账号集成的工作量,开发者只需简单配置即可启用QQ登录功能。
OIDC连接器的灵活性提升
OIDC(OpenID Connect)连接器配置进行了重要更新,使userinfo_endpoint字段变为可选。这项改进带来了以下优势:
- 系统现在能够智能地根据可用端点处理用户数据提取
- 当userinfo_endpoint不可用时,自动回退到id_token中的声明
- 特别优化了对Azure AD B2C SSO应用的兼容性
- 保持了对标准OIDC提供商的完全兼容
从技术架构角度看,这一改进使得Logto能够更好地适应各种OIDC实现变体,包括那些不完全遵循标准的实现,大大提高了集成灵活性。
其他重要改进与修复
- 翻译键同步机制增强,现在能够正确处理空文件情况,减少了人工干预需求
- 默认翻译模型升级为gpt-4.1,在保持翻译质量的同时提高了成本效益
- 控制台中CAPTCHA配置的可见性改进,设置导航路径更新为/security/captcha
- 修复了标识符登录表单中缺失的CAPTCHA框问题
这些更新共同提升了Logto的整体稳定性和用户体验,使开发者能够更高效地构建安全可靠的身份验证系统。
对于正在使用或考虑采用Logto的团队来说,v1.28.0版本提供了更强大的安全控制能力和更灵活的集成选项,特别是在处理电子邮件和电话号码等用户标识方面有了显著进步。这些改进使得Logto在身份验证领域的竞争力进一步提升,为各种规模的应用提供了更完善的身份管理解决方案。
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-1.5暂无简介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