Apache APISIX OpenID Connect 插件中的受众( Audience )验证问题解析
2025-05-15 08:30:41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
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
410
3.16 K
Ascend Extension for PyTorch
Python
227
254
暂无简介
Dart
674
160
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++
664
322
🎉 (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
1.21 K
659
React Native鸿蒙化仓库
JavaScript
264
326
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868