Web Platform Tests项目中的Web Speech API权限策略与跨域检查实现
Web Platform Tests(简称WPT)是一个开源项目,旨在为Web平台提供跨浏览器兼容性测试套件。该项目包含了大量测试用例,用于验证各种Web API和功能在不同浏览器中的实现是否符合标准规范。最近,该项目针对Web Speech API的on-device功能进行了重要更新,主要涉及权限策略和跨域检查的实现。
Web Speech API背景
Web Speech API为开发者提供了在Web应用中集成语音识别和语音合成的能力。该API包含两个主要部分:语音识别(SpeechRecognition)和语音合成(SpeechSynthesis)。随着技术的发展,一些浏览器开始支持设备本地的语音处理功能,即"on-device"实现,这相比云端处理具有更好的隐私保护和更低的延迟优势。
新增的安全检查机制
本次更新主要针对on-device Web Speech API的两个关键方法:availableOnDevice()和installOnDevice()。这些方法允许开发者查询设备是否支持本地语音处理功能,以及安装必要的本地语音处理组件。
为了增强用户隐私保护并防止潜在的指纹识别风险,Chromium团队实现了以下安全措施:
-
权限策略检查:新增了对Permission Policy的验证,确保只有被授权的页面才能访问这些敏感功能。权限策略是一种机制,允许网站控制哪些功能可以在其框架或嵌入式内容中使用。
-
跨域检查:实施了严格的跨域验证,防止不受信任的来源滥用这些API进行设备指纹识别。跨域检查是Web安全模型的重要组成部分,用于限制不同来源之间的资源访问。
技术实现细节
在底层实现上,Chromium团队通过修改浏览器引擎的核心代码来实施这些安全措施。具体包括:
- 在API调用路径中添加权限策略验证层
- 实现跨域请求的验证逻辑
- 确保错误信息不会泄露过多的设备细节,防止被用于指纹识别
- 保持与现有Web标准的兼容性
这些变更经过了严格的代码审查流程,多位资深工程师参与了评审,确保实现的正确性和安全性。
对开发者的影响
对于使用Web Speech API的开发者来说,这些变更意味着:
- 需要在页面或iframe中正确配置权限策略才能使用on-device功能
- 跨域使用这些功能将受到限制
- 需要处理可能新增的安全异常情况
这些安全措施虽然增加了开发复杂度,但为用户隐私提供了更好的保护,符合现代Web平台对安全和隐私的日益重视。
测试覆盖与验证
作为WPT项目的一部分,这些变更伴随着相应的测试用例更新,包括:
- 权限策略生效情况的测试
- 跨域场景下的行为验证
- 错误处理的一致性检查
- 与其他Web平台特性的交互测试
这些测试确保了不同浏览器实现之间的一致性,并为未来的标准演进提供了参考依据。
总结
Web Platform Tests项目对Web Speech API on-device功能的这次更新,体现了Web平台在功能丰富性和用户隐私保护之间的平衡。通过引入权限策略和跨域检查,既保留了API的强大功能,又有效降低了被滥用于指纹识别的风险。这种安全优先的设计理念将继续指导Web平台的未来发展。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C095
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00