Rodauth项目中WebAuthn跨域认证的RP_ID问题解析
2025-07-08 00:13:05作者:钟日瑜
背景介绍
在现代Web应用中,多租户架构已成为常见的设计模式。在这种架构下,通常会有一个主域名(如app.xxx.com)用于集中认证,然后重定向到各个租户的特定子域名(如client_1.xxx.com)。当在这种环境中实现WebAuthn无密码认证时,开发者可能会遇到一些技术挑战。
问题现象
在使用Rodauth的WebAuthn功能时,开发团队发现:
- 在租户特定域名(client_x.xxx.com)上设置和使用Passkey工作正常
- 但在主域名(app.xxx.com)上尝试使用Passkey时却失败
- 将webauthn_rp_id设置为顶级域名(xxx.com)后,租户特定域名的Passkey设置开始报错(Webauthn::RpIdVerificationError)
技术分析
问题的核心在于WebAuthn规范中的RP ID(依赖方标识符)验证机制。根据WebAuthn规范,RP ID用于:
- 标识认证请求的来源
- 确保认证凭证只能用于预期的网站
- 防止跨站点伪造请求
在Rodauth的实现中,原本只考虑了origin(来源)验证,而没有正确处理自定义RP ID的情况。具体表现为:
- 在
valid_webauthn_credential_auth?和valid_new_webauthn_credential?方法中 - 虽然通过单例方法重写了verify方法以处理origin
- 但没有将自定义的webauthn_rp_id传递给底层的WebAuthn验证过程
解决方案
正确的实现应该:
- 同时获取origin和rp_id配置
- 在重写的verify方法中,将rp_id作为参数传递给底层验证
- 保持原有的origin处理逻辑不变
具体代码修改为:
origin = webauthn_origin
rp_id = webauthn_rp_id
webauthn_credential.response.define_singleton_method(:verify) do |expected_challenge, expected_origin = nil, **kw|
kw[:rp_id] = rp_id
super(expected_challenge, expected_origin || origin, **kw)
end
实现意义
这一修改使得:
- 多租户系统可以在主域名和子域名间共享Passkey
- 同时保持WebAuthn的安全特性
- 完全符合WebAuthn规范中对RP ID的要求
- 不会破坏现有的单域名使用场景
最佳实践建议
对于需要在多域名环境下使用WebAuthn的开发者:
- 将RP ID设置为顶级域名(xxx.com)
- 确保所有相关子域名都使用相同的RP ID配置
- 测试在不同子域名间的认证流程
- 注意浏览器对WebAuthn跨域支持的限制
总结
Rodauth项目通过这一改进,更好地支持了现代Web应用中的复杂部署场景,特别是多租户架构下的无密码认证需求。这一变更既保持了安全性,又提高了用户体验的连贯性。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
686
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869