Zammad项目中WebAuthn双因素认证的用户体验优化
2025-06-12 19:02:26作者:余洋婵Anita
背景介绍
在Zammad 6.3版本中,当用户使用安全密钥(Security Key)作为双因素认证(2FA)方法时,登录流程存在一个影响用户体验的问题。具体表现为:在双因素认证阶段,系统不仅要求用户出示安全密钥(如触摸YubiKey),还要求用户验证密钥(如输入PIN码),这种双重验证打断了正常的2FA流程。
技术原理分析
这个问题源于WebAuthn(Web Authentication API)规范中的两个重要概念:
- 用户存在验证(User Presence Verification):简单的物理交互,如触摸安全密钥,证明用户确实在场
- 用户身份验证(User Verification):更严格的验证,如输入PIN码或生物识别,确认操作者的具体身份
根据WebAuthn规范,在双因素认证场景下,通常只需要用户存在验证就足够了,而不需要强制进行用户身份验证。当前Zammad的实现将user_verification参数设置为默认值,导致不必要的严格验证。
问题具体表现
以YubiKey 5 NFC安全密钥为例,用户在实际使用中会遇到以下步骤:
- 首次触摸密钥激活设备
- 系统要求输入PIN码进行验证
- 验证完成后再次要求触摸密钥
这种重复操作不仅降低了用户体验,还可能影响用户采用这种安全认证方式的积极性。
解决方案
通过修改WebAuthn子系统的配置,将user_verification参数明确设置为'discouraged'值。这一修改将:
- 在创建凭证和获取凭证时都应用此设置
- 优先使用简单的用户存在验证
- 仅在必要时(当两种验证方式自然重合时)才进行用户身份验证
需要注意的是,设置为'discouraged'并不完全禁止用户验证,而是将其作为可选而非强制步骤。这种设置更符合双因素认证的最佳实践。
实现影响
这一优化将带来以下改进:
- 简化登录流程,减少用户操作步骤
- 保持安全性的同时提高可用性
- 更符合WebAuthn规范推荐的双因素认证实现方式
- 提升用户对安全密钥认证方式的接受度
总结
Zammad项目通过这一优化,解决了安全密钥双因素认证流程中的冗余验证问题,使认证流程更加流畅。这种改进展示了在安全性和用户体验之间寻求平衡的重要性,同时也体现了遵循标准规范的最佳实践。对于使用类似WebAuthn技术的开发者来说,这是一个值得参考的案例。
登录后查看全文
热门项目推荐
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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
316
React Native鸿蒙化仓库
JavaScript
262
325
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
219