Middy框架中HTTP CORS中间件的安全增强实践
2025-06-18 06:18:43作者:袁立春Spencer
背景介绍
在Web开发中,跨域资源共享(CORS)是一个重要的安全机制。Middy作为AWS Lambda的中间件框架,提供了@middy/http-cors中间件来简化CORS配置。然而,开发者发现当前实现存在一个潜在的安全隐患:当配置了特定允许来源(origins)但请求来源不匹配时,中间件会默认回退到允许所有来源(*),这可能无意中扩大了API的访问权限。
问题分析
根据MDN规范,Access-Control-Allow-Origin响应头应严格限制为以下三种情况之一:
- 通配符
*- 允许所有来源 - 具体来源(如
https://example.com) - 仅允许指定来源 null- 不推荐使用的特殊值
当前@middy/http-cors中间件在以下场景中存在行为偏差:
- 当配置了
origins列表但请求来源不匹配时,仍会添加Access-Control-Allow-Origin: *头 - 缺乏显式禁止未授权来源的机制
- 无法完全禁用默认的CORS头添加行为
解决方案演进
Middy团队已通过代码提交解决了这一问题,主要改进包括:
-
新增null选项支持:现在开发者可以显式设置
origin: null,此时中间件将不会添加Access-Control-Allow-Origin头 -
未来版本默认行为优化:计划在下一个主要版本中将默认行为改为不添加头(相当于
null),这更符合安全最佳实践
安全实践建议
基于这些改进,开发者可以采取以下安全策略:
- 严格来源控制:当需要限制API访问来源时,使用明确的origins列表并配合
origin: null设置
handler.use(cors({
origins: ['https://trusted-domain.com'],
origin: null
}))
-
渐进式安全升级:在当前版本中主动设置
origin: null,为未来版本升级做好准备 -
最小权限原则:仅开放必要的HTTP方法和头信息,避免过度宽松的CORS配置
技术实现原理
在底层实现上,中间件现在会:
- 优先检查显式配置的
origin值 - 如果设为
null,则跳过相关头的添加 - 否则继续原有的匹配和回退逻辑
- 在预检请求(OPTIONS)处理中保持相同的行为一致性
总结
Middy框架对CORS中间件的这一安全增强,体现了现代Web开发中对API安全性的重视。开发者应当及时了解这些变化,并审查现有Lambda函数的CORS配置,确保符合最小权限原则。通过合理配置,可以在提供必要跨域功能的同时,有效降低未授权访问的风险。
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
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
668
154
Ascend Extension for PyTorch
Python
218
236
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++
660
305
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
257
322
🔥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
63
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
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866