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 StartedRust0171
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook090
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239
项目优选
收起
暂无描述
Dockerfile
748
4.85 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
640
1.26 K
Ascend Extension for PyTorch
Python
684
824
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
832
1.82 K
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
449
412
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++
1.02 K
1.03 K
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
1.49 K
171
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
927
553
暂无简介
Dart
995
256
昇腾LLM分布式训练框架
Python
172
211