在tsoa项目中处理Stripe Webhook签名验证的最佳实践
2025-06-18 11:10:40作者:魏侃纯Zoe
在构建与Stripe支付系统集成的应用时,Webhook签名验证是一个关键的安全环节。本文将详细介绍如何在tsoa框架中正确处理Stripe Webhook的原始请求体,确保签名验证的安全性。
为什么需要原始请求体
Stripe的Webhook验证机制要求开发者使用原始请求体来计算签名,而不是解析后的JSON数据。这是因为:
- 解析过程可能会改变数据的格式(如空格、换行符等)
- 签名是基于原始字节流计算的
- 任何微小的改动都会导致签名验证失败
解决方案一:Express中间件预处理
对于使用Express作为底层框架的项目,可以在路由注册前添加特定的中间件来处理原始请求体:
// 在应用初始化时
app.use('/stripe-webhook', express.raw({ type: '*/*', limit: '10mb' }));
app.use(json());
RegisterRoutes(app);
然后在控制器中可以直接接收Buffer类型的请求体:
@Post('stripe-webhook')
public async handleStripePushNotification(
@Request() request: express.Request,
@Body() body: Buffer
): Promise<void> {
const rawBody = body.toString('utf-8');
const signature = request.headers['stripe-signature'] as string;
const event = stripe.webhooks.constructEvent(rawBody, signature, secret);
}
解决方案二:自定义请求验证
对于需要更精细控制的场景,可以实现一个自定义的验证中间件:
// 定义扩展的Request类型
export interface RawBodyRequest extends Request {
rawBody?: string;
}
// 验证中间件
export const rawBodySaver = (req: RawBodyRequest, res: Response, buf: Buffer, encoding: string) => {
if (req.originalUrl.startsWith('/stripe-webhook') && buf?.length) {
req.rawBody = buf.toString(encoding as BufferEncoding || 'utf8');
}
};
// 应用配置
app.use(json({ verify: rawBodySaver, limit: '1mb' }));
app.use(urlencoded({ verify: rawBodySaver, extended: true }));
然后在控制器中通过扩展的Request类型访问原始请求体:
@Get('stripe-webhook')
public async slackWebhook(
@Request() request: RawBodyRequest
): Promise<void> {
const rawBody = request.rawBody;
// 进行签名验证...
}
安全注意事项
- 始终验证Webhook签名,防止伪造请求
- 限制原始请求体的大小,防止内存耗尽攻击
- 将签名密钥存储在环境变量中,不要硬编码在代码里
- 考虑为Webhook路由添加额外的认证层
性能优化建议
- 只为必要的路由启用原始请求体处理
- 设置合理的请求体大小限制
- 考虑将验证逻辑提取到中间件中,避免重复代码
通过以上方法,开发者可以在tsoa框架中安全高效地处理Stripe Webhook请求,确保支付系统的安全性和可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210