OpenIddict Core 6.1.0 版本发布:全面支持PAR协议与多项安全增强
OpenIddict 是一个基于 .NET 平台的现代化开源 OpenID Connect 和 OAuth 2.0 框架,它为开发者提供了构建安全身份验证和授权系统的完整工具链。作为 ASP.NET Core 生态中的重要成员,OpenIddict 以其轻量级、模块化设计和与 ASP.NET Core 深度集成的特点,成为许多.NET开发者实现身份认证的首选方案。
核心特性:原生支持OAuth 2.0 Pushed Authorization Requests (PAR)
6.1.0 版本最重要的更新是全面实现了 OAuth 2.0 推送授权请求(PAR)协议。PAR 是一种安全增强机制,它改变了传统授权流程中通过前端通道传递敏感参数的方式。
在传统OAuth 2.0授权码流程中,客户端应用会将授权请求参数直接附加在重定向URL中。这种方式虽然简单,但存在潜在的安全风险,如参数被篡改或泄露。PAR协议通过以下方式解决这些问题:
- 后端通道传输:客户端首先通过安全的后端通道将授权请求参数推送到授权服务器的特殊端点
- 请求URI机制:服务器返回一个唯一的
request_uri标识符 - 前端重定向:客户端使用这个
request_uri而不是原始参数进行前端重定向
这种机制不仅提高了安全性,还能处理更复杂的授权场景,因为PAR允许传输比URL更长的参数集。OpenIddict 6.1.0同时在客户端和服务器端实现了这一协议,使开发者能够轻松构建符合最新安全标准的身份系统。
授权请求缓存机制重构
作为PAR支持的一部分,6.1.0版本对授权请求和会话结束请求的缓存机制进行了彻底重构:
- 存储位置变更:原先使用分布式缓存(IDistributedCache)存储的缓存请求,现在改为使用请求令牌(Request Tokens)形式,并与其他令牌一起存储在OpenIddict的令牌表中
- 标识符统一:废弃了OpenIddict特有的
request_id参数,改用标准的request_uri参数 - 配置简化:相关配置选项从特定中间件选项迁移到了核心服务器选项
这一变化不仅提高了系统的一致性,还简化了配置管理,使开发者能够更统一地处理各种类型的令牌请求。
新增第三方登录集成支持
OpenIddict一直以其丰富的第三方登录集成而著称。6.1.0版本新增了对GitCode、VK ID和Yandex的支持,这使得OpenIddict官方支持的Web服务提供商数量达到了100个。这些新增的集成意味着开发者现在可以更轻松地为用户提供更多样化的社交登录选项,而无需自己实现复杂的OAuth集成逻辑。
交互式请求模型增强
新版本对交互式挑战请求和登出请求模型进行了扩展,开发者现在可以:
- 更便捷地将身份令牌附加到授权请求中
- 在会话结束请求中包含登录提示信息
这些改进简化了常见身份验证场景的实现,特别是在需要传递额外上下文信息的复杂流程中。
存储层优化与问题修复
在数据存储方面,6.1.0版本包含了两项重要改进:
- 授权修剪逻辑优化:
PruneAsync()方法现在会智能地排除仍关联有令牌的永久授权,有效减少了因关联实体存在而导致的SQL异常 - EF Core存储修复:修复了
FindByApplicationIdAsync()API的一个实现问题,提高了查询的准确性和可靠性
这些底层改进虽然对最终用户不可见,但显著提升了框架的稳定性和可靠性。
升级建议与兼容性说明
对于计划升级到6.1.0版本的开发者,需要注意以下几点:
- PAR功能需要显式启用,不是默认行为
- 原有的授权请求缓存配置方式已被标记为过时,建议迁移到新的统一配置方式
- 如果使用了自定义的存储实现,可能需要相应调整以兼容新的请求URI机制
OpenIddict 6.1.0的这些增强功能,特别是PAR支持,使框架在安全性和功能性上都达到了新的高度。对于重视应用安全的开发团队,升级到这一版本将能够为用户提供更安全、更可靠的身份验证体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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