OWASP ASVS项目中前后端术语的规范化探讨
2025-06-27 07:14:35作者:邓越浪Henry
术语标准化的重要性
在OWASP应用安全验证标准(ASVS)项目中,技术术语的一致性对于文档质量至关重要。项目成员发现文档中同时存在"backend/back-end"和"frontend/front-end"等不同拼写形式,这种不一致性可能影响文档的专业性和可读性。
现状分析
通过对项目文档的全面检查,发现术语使用存在以下情况:
- "backend"形式出现10次,主要分布在会话管理、日志记录、API安全等多个章节
- "back-end"形式出现2次,集中在密钥管理和加密操作相关章节
- "frontend"形式出现3次,包括章节标题和令牌管理相关内容
- "front-end"形式出现1次,在密钥管理部分
行业实践调研
针对这一术语问题,项目成员调研了多个权威来源:
- AWS文档同时使用"Frontend"(正文)和"Front End"(标题)两种形式
- 微软风格指南建议根据词语独立性决定是否使用连字符
- 语法权威网站指出,当组合词已被广泛接受为独立词汇时,可省略连字符
技术专家建议
基于技术写作最佳实践和行业趋势,建议采用以下方案:
-
统一使用"backend"和"frontend"形式,不加连字符
-
理由:
- 这些术语在技术领域已被广泛接受为独立词汇
- 无连字符形式更简洁,符合现代技术文档趋势
- 减少因连字符使用带来的视觉干扰
-
配套定义建议:
- 前端(frontend):用户直接交互的应用部分,通常运行在用户设备上
- 后端(backend):服务器端功能,包括API和请求处理等
实施影响评估
这一变更将影响ASVS文档中约16处术语使用,主要涉及:
- 会话安全验证要求
- 密钥管理指南
- API安全控制措施
- 日志记录规范
结论
术语标准化是技术文档质量的基础要素。OWASP ASVS作为应用安全领域的权威标准,采用统一、简洁的术语形式将提升文档的专业性和易用性。建议项目采纳"backend"和"frontend"作为标准术语,并在后续版本中保持一致性。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137