Brave iOS 项目中的混合内容自动升级技术解析
2025-07-09 07:46:47作者:傅爽业Veleda
背景介绍
在Brave iOS浏览器项目中,团队最近实现了一项重要的安全增强功能——自动升级被动混合内容。这项技术改进主要针对iOS/WebKit环境中存在的混合内容安全问题。
混合内容问题概述
混合内容指的是在HTTPS页面中加载HTTP资源的情况,这会导致页面安全性降低。混合内容分为两类:
- 主动混合内容:如脚本、样式表等,可能直接影响页面安全
- 被动混合内容:如图像、视频、音频等,风险相对较低但仍有安全隐患
WebKit在iOS上默认只自动升级主动混合内容,而被动混合内容仍可能通过HTTP加载。
技术实现方案
Brave iOS团队通过添加内容拦截器规则来实现被动混合内容的自动升级。核心规则如下:
{
"trigger": {
"url-filter": "http://.*",
"if-top-url": ["https://.*"],
"resource-type": [
"image", "media"
]
},
"action": {
"type": "make-https"
}
}
这条规则的工作原理是:
- 当检测到HTTPS页面中请求HTTP资源时
- 且资源类型为图像或媒体文件
- 自动将请求升级为HTTPS
安全考量
在实现过程中,团队特别考虑了以下安全因素:
- 升级失败处理:如果资源不支持HTTPS,升级后的请求会失败(通常返回404),而不是回退到HTTP加载
- 不影响现有安全指示器:仍然会显示混合内容警告图标,但资源会被安全加载
- 兼容性:不影响其他类型的安全警告,如证书过期等
实际效果验证
通过测试验证,该功能实现了预期效果:
- 混合内容网站显示警告图标但仍可交互
- HTTP资源被自动升级为HTTPS加载
- 开发者工具中可看到升级日志和网络请求状态
- 在标准模式和隐私模式下均正常工作
技术意义
这项改进使Brave iOS浏览器在混合内容处理上更加符合W3C标准,提升了用户浏览的安全性。通过内容拦截器实现这一功能,既保证了安全性,又保持了良好的性能表现。
对于普通用户来说,这意味着在使用Brave浏览器时,即使访问包含混合内容的网站,也能获得更好的安全保护,而无需额外操作。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
137
169
React Native鸿蒙化仓库
JavaScript
235
309
暂无简介
Dart
598
130
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++
631
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
688
🎉 (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
1.06 K
615
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
197
74
仓颉编程语言测试用例。
Cangjie
36
688