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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C090
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00