Spring Authorization Server 3.3.0版本中TokenSettings配置变更解析
在Spring Authorization Server从3.2.9升级到3.3.0及以上版本时,开发者可能会遇到一个关于TokenSettings配置的重要变更。这个变更影响了自定义授权类型的实现方式,特别是当开发者尝试保存授权信息到数据库时。
问题现象
当使用自定义授权类型(如密码授权模式)时,系统会抛出以下异常:
Cannot invoke "java.lang.Boolean.booleanValue()" because the return value of "org.springframework.security.oauth2.server.authorization.settings.TokenSettings.getSetting(String)" is null
这个异常明确指出,系统无法从TokenSettings中获取x509CertificateBoundAccessTokens设置的值,因为该值为null。在3.2.9版本中,这个配置是可选的,但在3.3.0及以上版本中,它变成了必填项。
技术背景
TokenSettings是Spring Authorization Server中用于配置令牌生成和验证行为的核心类。在3.3.0版本中,Spring Security团队对TokenSettings的实现进行了强化,要求所有设置项都必须有明确的默认值或显式配置。
x509CertificateBoundAccessTokens是一个与MTLS(Mutual TLS)相关的安全设置,用于指示是否要求访问令牌与X.509证书绑定。虽然这个功能在大多数场景下可能不会使用,但框架现在强制要求明确指定这个设置。
解决方案
要解决这个问题,开发者需要在注册客户端时明确配置tokenSettings。以下是两种配置方式:
- 通过代码配置:
RegisteredClient registeredClient = RegisteredClient.withId(UUID.randomUUID().toString())
// 其他客户端配置...
.tokenSettings(TokenSettings.builder()
.x509CertificateBoundAccessTokens(false) // 根据需求设置true或false
.build())
.build();
- 通过数据库配置: 如果使用数据库存储客户端配置,需要在registered_client表的token_settings列中添加以下JSON配置:
{
"x509-certificate-bound-access-tokens": false
}
版本兼容性建议
对于从旧版本升级的项目,建议:
- 检查所有现有的客户端配置,确保tokenSettings中包含x509CertificateBoundAccessTokens设置
- 在测试环境中充分验证自定义授权类型的流程
- 考虑编写数据库迁移脚本,为现有记录添加默认值
总结
Spring Authorization Server 3.3.0对TokenSettings的校验更加严格,这体现了框架对安全配置显式化的设计理念。开发者需要特别注意这一变更,特别是在实现自定义授权类型时。通过正确配置x509CertificateBoundAccessTokens,可以确保系统在各种授权流程中都能正常工作。
这一变更虽然增加了少量配置工作,但从长远来看,它使得系统配置更加明确和可维护,有利于构建更安全的OAuth2授权服务。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00