Loco-RS项目中JWT Claims序列化问题的分析与改进
2025-05-29 14:03:07作者:庞眉杨Will
背景介绍
在基于Rust的Web框架Loco-RS中,JWT(JSON Web Token)的实现是认证系统的核心组件之一。JWT标准定义了一种紧凑且自包含的方式,用于在各方之间安全地传输信息作为JSON对象。这些信息可以被验证和信任,因为它们是数字签名的。
问题发现
在Loco-RS的当前实现中,开发者发现JWT的claims(声明)序列化方式存在一个设计问题。当开发者尝试添加自定义claims时,这些claims会被嵌套在一个名为"claims"的字段中,而不是直接与标准claims(如"pid"和"exp")平级。
例如,当开发者想要添加一个包含用户角色的claims时,期望的JWT payload结构应该是:
{
"pid": "PID",
"exp": 1736099338,
"roles": ["admin", "non-admin"]
}
但实际得到的却是:
{
"pid": "PID",
"exp": 1736099338,
"claims": {
"roles": ["admin", "non-admin"]
}
}
技术分析
这个问题源于Loco-RS中UserClaims结构体的定义方式:
#[derive(Debug, Serialize, Deserialize)]
pub struct UserClaims {
pub pid: String,
exp: u64,
pub claims: Option<Value>,
}
这里的claims字段被定义为一个可选的serde_json::Value类型,导致在序列化时,所有自定义claims都会被包装在这个字段下。
解决方案探讨
方案一:使用#[serde(flatten)]属性
最初的建议是使用Serde的flatten属性:
#[derive(Debug, Serialize, Deserialize)]
pub struct UserClaims {
pub pid: String,
exp: u64,
#[serde(flatten)]
pub claims: Option<Value>,
}
这个方案虽然简单,但存在潜在问题:当Value不是对象类型(如整数、字符串等)时,会导致运行时错误。
方案二:使用HashMap替代Value
更健壮的解决方案是使用HashMap<String, Value>:
#[derive(Debug, Serialize, Deserialize)]
pub struct UserClaims {
pub pid: String,
exp: u64,
#[serde(default, flatten)]
pub claims: HashMap<String,Value>,
}
这个方案的优势在于:
- 强制要求claims必须是键值对形式,符合JWT规范
- 使用
default属性确保即使没有提供claims也能正常工作 - 类型安全,避免了非对象类型的Value导致的错误
实现考量
采用第二种方案需要考虑以下因素:
- 向后兼容性:这是一个破坏性变更,需要更新所有使用此功能的代码
- 错误处理:需要明确处理claims转换失败的情况
- 性能影响:HashMap的使用可能会带来轻微的性能开销,但在大多数场景下可以忽略
最佳实践建议
在实际开发中,建议:
- 为自定义claims定义明确的类型,而不是直接使用Value
- 在转换时进行严格的类型检查
- 考虑添加claims验证机制,确保它们符合应用需求
结论
通过将UserClaims结构体中的claims字段改为使用HashMap<String, Value>并结合#[serde(flatten)]属性,可以更优雅地实现JWT claims的序列化,使其符合标准实践并提高类型安全性。这一改进将使Loco-RS的JWT实现更加符合开发者预期,同时保持灵活性和健壮性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0113- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
717
4.57 K
Ascend Extension for PyTorch
Python
582
710
openEuler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。
C
419
356
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.09 K
602
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
670
111
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++
963
956
deepin linux kernel
C
28
16
🎉 (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
1.62 K
954
昇腾LLM分布式训练框架
Python
153
179
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
141
223