KtORM 中实现类似 Hibernate 的字段加密转换功能
在数据库应用开发中,数据加密是一个常见的安全需求。本文将介绍如何在 KtORM 框架中实现类似 Hibernate 的 @ColumnTransformer 功能,用于对数据库字段进行透明加密和解密操作。
背景与需求
在实际项目中,我们经常需要对敏感数据进行加密存储。在 PostgreSQL 数据库中,可以使用内置的 pgp_sym_encrypt 和 pgp_sym_decrypt 函数进行对称加密。Hibernate 通过 @ColumnTransformer 注解可以方便地实现这一功能:
@ColumnTransformer(
read = "pgp_sym_decrypt(field, current_setting('encrypt.key'))",
write = "pgp_sym_encrypt(?, current_setting('encrypt.key'))"
)
而在 KtORM 中,我们需要找到对应的实现方式。
解决方案一:自定义 SqlType
KtORM 提供了自定义 SqlType 的能力,我们可以通过实现 SqlType 接口来封装加密解密逻辑:
object EncryptedStringSqlType : SqlType<String>(Types.VARCHAR, "varchar") {
override fun doSetParameter(ps: PreparedStatement, index: Int, parameter: String) {
val encrypted = encrypt(parameter) // 实现加密逻辑
ps.setString(index, encrypted)
}
override fun doGetResult(rs: ResultSet, index: Int): String? {
val encrypted = rs.getString(index)
return decrypt(encrypted) // 实现解密逻辑
}
}
// 在实体类中使用
@Table
interface User : Entity<User> {
@Column(sqlType = EncryptedStringSqlType::class)
val sensitiveData: String
}
这种方式的优点是将加密解密逻辑完全封装在 Kotlin 代码中,与数据库无关。但缺点是如果加密密钥存储在数据库中(如 PostgreSQL 的 current_setting),则无法直接使用。
解决方案二:使用 FunctionExpression
对于需要数据库端加密的场景,KtORM 提供了 FunctionExpression 来构造 SQL 函数调用。我们可以创建辅助函数来简化使用:
// 解密函数
fun pgpSymDecrypt(column: ColumnDeclaring<String>): FunctionExpression<String> {
return FunctionExpression(
functionName = "pgp_sym_decrypt",
arguments = listOf(
column.asExpression(),
FunctionExpression(
functionName = "CURRENT_SETTING",
arguments = listOf(ArgumentExpression("encrypt.key", VarcharSqlType)),
sqlType = VarcharSqlType
)
),
sqlType = VarcharSqlType
)
}
// 加密函数
fun pgpSymEncrypt(value: String): FunctionExpression<String> {
return FunctionExpression(
functionName = "pgp_sym_encrypt",
arguments = listOf(
ArgumentExpression(value, VarcharSqlType),
FunctionExpression(
functionName = "CURRENT_SETTING",
arguments = listOf(ArgumentExpression("encrypt.key", VarcharSqlType)),
sqlType = VarcharSqlType
)
),
sqlType = VarcharSqlType
)
}
使用示例:
// 查询时解密
database.from(Users)
.select(Users.id, pgpSymDecrypt(Users.sensitiveData).aliased("decrypted"))
.forEach { row ->
val decrypted = row.getString("decrypted")
// 处理解密后的数据
}
// 插入时加密
database.insert(Users) {
set(it.sensitiveData, pgpSymEncrypt("要加密的数据"))
}
方案对比与选择
-
自定义 SqlType:
- 优点:透明化处理,业务代码无需关心加密细节
- 缺点:需要在应用层实现加密逻辑,无法利用数据库内置函数
-
FunctionExpression:
- 优点:可以利用数据库内置加密函数,密钥管理在数据库端
- 缺点:需要显式调用辅助函数,代码稍显冗长
根据具体场景选择合适方案。如果加密逻辑简单且不依赖数据库特性,推荐使用自定义 SqlType;如果需要利用数据库内置加密功能,则应选择 FunctionExpression 方案。
总结
KtORM 虽然不像 Hibernate 那样提供直接的注解支持字段转换,但通过自定义 SqlType 或 FunctionExpression 也能实现类似的功能。这两种方法各有优劣,开发者可以根据项目具体需求选择最适合的方案。
对于需要高度透明化的场景,可以进一步封装,创建自定义的 Column 实现或扩展函数,使 API 更加友好。KtORM 的灵活架构为各种定制需求提供了充分的可能性。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08