Apache APISIX OpenID Connect 插件中的受众( Audience )验证问题解析
2025-05-15 03:41:06作者:农烁颖Land
背景介绍
Apache APISIX 是一个高性能的云原生API网关,其OpenID Connect(OIDC)插件提供了与OAuth 2.0授权框架集成的能力。在实际使用中,开发者发现了一个关键的安全验证问题:插件无法正确验证JWT令牌中的受众( audience )声明。
问题本质
在标准的OAuth 2.0和OIDC流程中,受众声明( aud )是一个关键的安全特性,它标识了令牌的目标接收者。当API网关接收到一个访问令牌时,应当验证该令牌是否确实是发给自己的(即aud声明是否匹配网关的client_id),而不是接受任何有效的令牌。
然而,在APISIX的OIDC插件实现中,这一关键的安全检查缺失了。这意味着:
- 任何有效的JWT令牌,即使是为其他服务颁发的,也能通过验证
- 攻击者可以使用为其他服务颁发的令牌访问受保护的API
- 违反了OAuth 2.0的安全最佳实践
技术细节分析
典型的OIDC插件配置包括以下参数:
- bearer_only:设置为true表示仅使用Bearer令牌验证
- client_id:OAuth客户端的标识符
- client_secret:客户端密钥
- discovery:OIDC发现端点
- introspection_endpoint:令牌内省端点
- use_jwks:使用JWKS进行令牌验证
问题在于插件实现中虽然会验证令牌的签名和基本声明(如过期时间),但没有将aud声明与配置的client_id进行比对。
安全影响
这种缺失会导致以下安全风险:
- 令牌滥用:攻击者可以使用为其他服务颁发的有效令牌访问API
- 权限提升:如果不同客户端有不同的权限级别,攻击者可能获取更高权限
- 违反最小权限原则:API无法确保只有预期的客户端能访问
解决方案
社区已经通过PR修复了这个问题。新版本中,插件会:
- 检查令牌中的aud声明
- 验证aud是否包含配置的client_id
- 如果不匹配,则拒绝访问
对于无法立即升级的用户,可以采用以下临时方案:
- 使用自定义插件覆盖默认行为
- 在API逻辑中手动验证aud声明
- 使用其他验证机制作为补充
最佳实践建议
- 始终确保使用最新版本的APISIX
- 在生产环境部署前全面测试安全配置
- 定期审计API安全配置
- 考虑实施额外的安全层,如IP限制或速率限制
- 监控和记录所有认证尝试
总结
API网关的安全配置不容忽视,特别是涉及身份验证和授权的部分。APISIX社区对OIDC插件的这一修复体现了对安全问题的重视。开发者应当理解这些安全机制的工作原理,并在实际部署中确保所有安全验证都正确实施。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1