Laravel One-Time Passwords 安装与配置指南
介绍
Laravel One-Time Passwords 是一个专为 Laravel 框架设计的 OTP(一次性密码)解决方案包。它提供了完整的 OTP 生成、验证和管理功能,可以轻松集成到你的 Laravel 应用中。本文将详细介绍如何安装和配置这个强大的安全组件。
安装步骤
首先需要通过 Composer 安装这个包:
composer require spatie/laravel-one-time-passwords
安装完成后,Laravel 会自动注册包的服务提供者和门面。
数据库迁移
该包需要一个数据表来存储生成的一次性密码。执行以下命令来发布并运行迁移:
php artisan vendor:publish --tag="one-time-passwords-migrations"
php artisan migrate
这将在你的数据库中创建一个 one_time_passwords 表,用于存储所有生成的 OTP 记录。
模型配置
要让你的用户模型支持 OTP 功能,需要在用户模型中使用 HasOneTimePasswords trait:
namespace App\Models;
use Spatie\OneTimePasswords\Models\Concerns\HasOneTimePasswords;
class User
{
use HasOneTimePasswords;
// 其他模型代码...
}
这个 trait 会为你的用户模型添加生成和验证 OTP 的相关方法。
清理过期 OTP
为了保持数据库清洁,建议定期清理过期的 OTP。Laravel 提供了 MassPrunable trait 来简化这个过程。
在 app/Console/Kernel.php 文件中添加以下调度任务:
use Spatie\OneTimePasswords\Models\OneTimePassword;
Schedule::command('model:prune', [
'--model' => [OneTimePassword::class],
])->daily();
这会将过期 OTP 的清理任务设置为每天执行一次。
配置选项
你可以发布包的配置文件来自定义 OTP 的行为:
php artisan vendor:publish --tag="one-time-passwords-config"
配置文件包含以下重要选项:
-
有效期设置:
default_expires_in_minutes定义 OTP 的有效期(默认 2 分钟) -
唯一性控制:
only_one_active_one_time_password_per_user确保每个用户同一时间只有一个有效 OTP -
来源验证:
enforce_same_origin确保 OTP 只能在生成它的平台上使用 -
密码生成:可以自定义密码生成器和密码长度(默认 6 位数字)
-
访问限制:
rate_limit_attempts防止多次尝试 -
自定义类:可以替换默认的 OTP 创建和验证逻辑
最佳实践
-
安全性:建议保持
enforce_same_origin启用状态,防止跨平台攻击 -
用户体验:根据你的应用场景调整 OTP 有效期,太短可能导致用户来不及输入,太长则降低安全性
-
性能:定期清理过期 OTP 可以保持数据库性能
-
测试:在生产环境部署前,充分测试 OTP 流程,确保在各种网络条件下都能正常工作
通过以上配置,你可以为你的 Laravel 应用添加一个强大且灵活的 OTP 解决方案,既保障安全性又不牺牲用户体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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