Spring Authorization Server 1.5.0 版本发布:DPoP与PAR支持全面升级
Spring Authorization Server 作为 Spring 生态系统中负责 OAuth 2.0 和 OpenID Connect 实现的关键组件,在 1.5.0 版本中带来了多项重要更新。本次更新主要集中在安全协议的增强支持上,特别是对 DPoP(Demonstrating Proof-of-Possession)和 PAR(Pushed Authorization Requests)两大安全特性的完善。
DPoP 支持全面落地
DPoP 是一种现代安全机制,用于防范令牌重放攻击。1.5.0 版本对 DPoP 的支持进行了多项改进:
-
JWK SHA-256 指纹标准化:修复了 jkt 声明(JWK 指纹)的生成方式,现在严格遵循 JWK SHA-256 指纹标准,确保与各种客户端的兼容性。
-
公共客户端刷新令牌验证:针对公共客户端在使用刷新令牌时的特殊场景,完善了 DPoP jkt 声明的验证逻辑,防止安全问题。
-
文档完善:新增了详细的 DPoP 实现文档,帮助开发者正确配置和使用这一安全特性。
Pushed Authorization Requests 文档补充
PAR 是 OAuth 2.0 的一个扩展,它将授权请求从前端重定向转移到后端通道,提高了安全性。1.5.0 版本虽然没有新增 PAR 功能,但补充了完整的实现文档,包括:
- PAR 的基本工作原理
- 服务器端配置指南
- 与现有授权流程的集成方式
- 安全最佳实践
测试框架优化
项目将测试中使用的 @MockBean 注解统一替换为 @MockitoBean,这一变更虽然看似微小,但带来了更清晰的测试语义和更好的可维护性。@MockitoBean 提供了更精确的 Mockito 集成,使单元测试更加可靠。
安全修复
除了新特性外,1.5.0 版本还包含几个关键的安全修复:
- 修正了 DPoP jkt 声明验证中的潜在问题,确保令牌绑定机制的正确性。
- 解决了公共客户端在刷新令牌流程中可能存在的安全问题。
依赖升级
项目同步更新了多个关键依赖:
- Jackson 升级至 2.18.4 版本
- Spring Security 升级至 6.5.0 正式版
- Spring Framework 升级至 6.2.7
- 内部工具链也进行了相应更新
这些依赖升级不仅带来了性能改进,还修复了已知的安全问题,建议所有用户及时更新。
升级建议
对于正在使用 Spring Authorization Server 的项目,1.5.0 版本是一个值得升级的稳定版本。特别是:
- 需要 DPoP 支持的项目可以放心升级,现在文档和实现都已完善。
- 计划实现 PAR 的项目可以参考新增的文档进行开发。
- 关注安全性的项目应尽快升级以获取最新的安全修复。
升级过程相对平滑,但建议开发者仔细阅读变更日志,特别是 DPoP 相关的修改可能会影响现有的令牌验证逻辑。对于复杂的生产环境,建议先在测试环境中验证兼容性。
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
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
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