Devise Google Authenticator 技术文档
2024-12-26 08:44:52作者:苗圣禹Peter
1. 安装指南
首先,将以下内容添加到您的 Gemfile 中,并确保也添加了 Devise:
gem 'devise'
gem 'devise_google_authenticator', '0.3.16'
完成上述操作后,执行以下命令来安装依赖项:
bundle install
在安装 Devise Google Authenticator 之前,您需要先安装 Devise。以下为 Devise 的安装步骤:
rails g devise:install
接着配置您的用户或管理员模型:
rails g devise MODEL
在控制器中添加认证过滤:
before_filter :authenticate_user!
确保在 config/routes.rb 文件中配置了根路由。
自动安装
对于全新的应用程序,运行以下生成器以添加必要的配置选项到 Devise 的配置文件:
rails g devise_google_authenticator:install
创建 Devise 用户模型后,设置 Google Authenticator 的附加功能:
rails g devise_google_authenticator MODEL
如果您使用的是 ActiveRecord 而不是 Mongoid 作为数据库 ORM,请执行迁移命令:
rake db:migrate
对现有用户的安装
上述步骤完成后,您需要为每个用户生成密钥:
User.where(:gauth_secret => nil).find_each do |user|
user.send(:assign_auth_secret)
user.save!
end
默认情况下,用户无需执行两步验证。用户访问 /MODEL/displayqr(例如 /users/displayqr),并提交表单后,将启用两步验证(gauth_enabled=1),并在随后的登录中要求进行。
2. 项目使用说明
使用此扩展后,预期行为如下:
- 用户注册时,将自动跳转到 Display QR 页面(除非
ga_bypass_signup设置为true),用户可以将新“令牌”添加到移动设备,并启用或禁用功能。要启用/禁用功能,用户需要输入当前的令牌。 - 如果用户无法自行注册,他们依然可以通过访问
/MODEL/displayqr(例如/users/displayqr)来访问该页面。 - 如果该功能对用户已启用,那么在登录时,用户需要输入密码(如正常情况),然后跳转到 Check QR 页面。用户需要从设备中输入令牌才能成功认证。
- 如果已配置(默认为 1 个月),用户将仅在该时间段内需要输入令牌。
3. 项目API使用文档
此项目的具体API使用文档未在readme中提供,通常这类扩展会包含用于用户认证和管理的API端点。详细的API文档通常在项目wiki或专门的文档文件中提供。
4. 项目安装方式
请参考上述“安装指南”部分,其中包括了通过 Gemfile 安装本项目和相关依赖项的详细步骤。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 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 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
646
149
Ascend Extension for PyTorch
Python
207
220
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++
653
286
React Native鸿蒙化仓库
JavaScript
250
318
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
1.13 K
637
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
78
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873