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。
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