bcrypt.js v3.0.0 发布:现代密码哈希库的重要升级
bcrypt.js 是一个纯 JavaScript 实现的 bcrypt 密码哈希算法库,它不需要任何原生依赖,可以在浏览器和 Node.js 环境中运行。作为密码安全领域的重要工具,bcrypt.js 通过慢哈希和加盐机制为密码存储提供了强大的保护。
重大变更:项目现代化重构
本次 v3.0.0 版本带来了两项重大变更:
-
项目结构现代化:bcrypt.js 现在默认导出 ECMAScript 模块(ESM),同时保留了 UMD 格式作为回退方案。这意味着在现代 JavaScript 项目中可以更自然地使用 import 语法导入该库。此外,项目现在内置了 TypeScript 类型定义,为 TypeScript 开发者提供了更好的开发体验。值得注意的是,dist/ 目录不再纳入版本控制,而是作为构建产物在发布时生成。
-
默认生成 2b 哈希:虽然 bcrypt.js 并未受到导致 bcrypt 版本从 2a 升级到 2b 的漏洞影响,但为了与大多数实现(包括原生 bcrypt 绑定)保持一致,现在默认生成 2b 版本的哈希。这一变更不会影响现有哈希的验证功能,但测试中直接比较哈希字符串的逻辑可能需要相应调整。
新特性:密码长度检查助手
v3.0.0 引入了一个实用的新功能 - 密码输入长度检查助手。在密码哈希前检查输入长度是一个良好的安全实践,可以防止潜在的拒绝服务攻击(DoS),因为过长的密码输入会导致哈希计算消耗过多资源。这个助手函数让开发者能够轻松实现这一安全检查。
技术细节优化
-
加密模块适配:项目改进了对 Node.js crypto 模块的使用方式,使其更好地适应 ESM 环境。这是现代 JavaScript 生态演进的重要一步。
-
安全比较优化:内部的安全字符串比较函数(safeStringCompare)得到了改进,现在使用异或(XOR)操作来实现,这进一步增强了比较过程的安全性。
-
构建与测试流程:项目合并了 lint 和测试工作流,简化了持续集成流程。同时修复了测试用例,确保在各种环境下的稳定性。
开发者体验提升
-
类型定义更新:TypeScript 类型定义得到了更新和完善,为使用 TypeScript 的开发者提供了更准确的类型提示。
-
文档说明增强:新增了关于在浏览器中使用 ESM 变体的说明,帮助前端开发者更好地集成该库。
-
代码风格统一:项目现在使用 Prettier 进行代码格式化,确保了代码风格的一致性。
向后兼容性说明
虽然 v3.0.0 包含重大变更,但团队采取了谨慎的升级策略:
- 现有的 2a 版本哈希仍然可以正常验证
- 保留了 UMD 格式作为回退方案,确保不兼容 ESM 的环境仍能使用
- 类型定义的加入不会影响纯 JavaScript 项目的使用
对于需要长期维护的项目,建议在升级前充分测试哈希生成和验证流程,特别是那些依赖哈希字符串精确匹配的逻辑。
bcrypt.js v3.0.0 的这些改进标志着该项目向现代 JavaScript 生态的全面靠拢,同时保持了其一贯的安全性和可靠性,是密码安全领域值得关注的一次重要升级。
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