Hoarder项目中的Referrer头信息移除技术方案
在开源书签管理工具Hoarder的开发过程中,开发团队讨论了一个关于隐私保护的重要技术问题:如何防止用户点击书签时泄露Referrer头信息。这个问题涉及到Web安全与隐私保护的核心概念。
问题背景
当用户通过Hoarder点击收藏的书签时,浏览器默认会发送Referrer头信息,其中包含了用户是从哪个Hoarder实例访问该链接的。这意味着网站管理员可以追踪到用户使用的具体Hoarder实例,存在潜在的隐私泄露风险。
技术解决方案探讨
开发团队提出了几种可行的技术方案来解决这个问题:
-
rel="noreferrer"属性方案
这是HTML5提供的一个简单解决方案,通过在链接标签中添加这个属性,可以阻止浏览器发送Referrer头。这个方案的优势是简单易实现,且不需要依赖第三方服务。 -
target="_blank"属性组合方案
测试发现,在仪表盘页面点击图片时,rel="noreferrer"可以正常工作,但在书签详情页面需要配合target="_blank"属性才能生效。这会导致所有链接都在新标签页打开,可能影响用户体验。 -
JavaScript导航方案
使用JavaScript进行页面跳转也可以避免Referrer头的发送,这种方法更加灵活但实现复杂度稍高。 -
URL前缀代理方案
最初提出的通过第三方匿名服务(如anonym.es)中转的方案,由于会使隐私保护依赖于外部服务,被开发团队认为不是最佳选择。
最终技术决策
经过讨论,开发团队倾向于采用rel="noreferrer"与target="_blank"属性组合的方案。这个选择基于以下考虑:
- 纯前端解决方案,不依赖任何第三方服务
- 实现简单,维护成本低
- 符合现代Web标准
- 虽然会导致链接在新标签页打开,但这已成为现代Web应用的常见行为模式
技术实现细节
在实际实现中,开发团队需要:
- 为所有外部链接添加rel="noreferrer"属性
- 在书签详情页面同时添加target="_blank"属性
- 确保这些修改不会影响应用的核心功能
- 考虑添加配置选项,让用户可以选择是否启用此功能
隐私保护的意义
这个改进虽然看似微小,但对用户隐私保护具有重要意义。它防止了:
- 外部网站追踪用户的书签来源
- 暴露用户使用的Hoarder实例信息
- 潜在的跨站点追踪行为
这种对细节的关注体现了Hoarder项目对用户隐私的重视,也是现代Web应用开发中值得借鉴的做法。
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