Django REST Framework SimpleJWT:修复TokenRefreshView允许非活跃用户刷新令牌的问题
2025-06-15 02:41:15作者:钟日瑜
在Django REST Framework SimpleJWT项目中,存在一个重要的安全问题:TokenRefreshView视图允许非活跃用户刷新他们的JWT令牌。本文将深入分析这个问题及其解决方案。
问题背景
在JWT认证系统中,令牌刷新是一个关键功能,它允许用户在访问令牌过期后获取新的令牌,而无需重新登录。然而,当前的TokenRefreshView实现存在一个安全漏洞:即使相应用户账户已被标记为非活跃(inactive),系统仍然允许该用户刷新令牌。
技术分析
JWTAuthentication中间件在验证令牌时确实会检查用户是否活跃,但TokenRefreshView在刷新令牌时却没有进行同样的检查。这种不一致性可能导致安全风险:
- 已停用的用户账户仍然可以保持访问权限
- 系统管理员禁用用户后,用户仍能通过刷新令牌延长会话
- 违背了Django的标准用户认证行为
解决方案
项目维护者已经通过PR修复了这个问题。修复的核心思路是:
- 在TokenRefreshSerializer中添加用户活跃状态检查
- 使用与JWTAuthentication相同的用户认证规则
- 当用户不活跃时返回适当的错误信息
临时解决方案
在等待官方合并修复的同时,开发者可以创建自定义序列化器来解决这个问题:
from rest_framework_simplejwt.serializers import TokenRefreshSerializer
from rest_framework_simplejwt.settings import api_settings
from rest_framework.exceptions import AuthenticationFailed
from django.contrib.auth import get_user_model
User = get_user_model()
class ActiveUserTokenRefreshSerializer(TokenRefreshSerializer):
default_error_messages = {
"no_active_account": "No active account found for the given token."
}
def validate(self, attrs):
refresh = self.token_class(attrs["refresh"])
# 从令牌中获取用户ID
user_id = refresh.payload.get(api_settings.USER_ID_CLAIM, None)
# 检查用户是否存在且活跃
if user_id and (user := User.objects.get(**{api_settings.USER_ID_FIELD: user_id})):
if not api_settings.USER_AUTHENTICATION_RULE(user):
raise AuthenticationFailed(
self.error_messages["no_active_account"],
"no_active_account",
)
return super().validate(attrs)
然后在Django设置中配置使用这个自定义序列化器:
SIMPLE_JWT = {
# 其他配置...
"TOKEN_REFRESH_SERIALIZER": "myapp.serializers.ActiveUserTokenRefreshSerializer",
}
安全建议
- 所有使用Django REST Framework SimpleJWT的项目都应尽快应用此修复
- 定期审查用户活跃状态检查的逻辑
- 考虑在用户状态变更时使所有现有令牌失效
- 实现令牌撤销机制以增强安全性
总结
这个修复确保了JWT认证系统在处理令牌刷新时与Django的标准用户认证行为保持一致,消除了潜在的安全风险。开发者应当重视这类认证边界条件的检查,以构建更安全的认证系统。
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-1.5HunyuanVideo-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
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
8
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++
654
278
暂无简介
Dart
639
145
Ascend Extension for PyTorch
Python
202
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
630
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提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100