Harbor项目中OIDC登出审计日志问题的分析与修复
2025-05-07 09:38:31作者:鲍丁臣Ursa
背景介绍
在Harbor容器镜像仓库项目中,OpenID Connect(OIDC)是一种常用的身份认证协议。当用户通过OIDC登录Harbor后,登出操作应该同时完成两个动作:一是从Harbor系统登出,二是从身份提供者(IDP)登出。然而,在最新版本的Harbor中,发现了一个关于审计日志记录的问题。
问题现象
当用户通过OIDC方式登录Harbor后执行登出操作时,虽然实际登出操作在身份提供者(IDP)端成功完成,但Harbor系统的审计日志却错误地记录了登出失败的标记(false flag)。这种不一致性会给系统管理员带来困扰,无法通过审计日志准确判断用户登出操作的真实状态。
技术分析
这个问题本质上是一个审计日志记录逻辑的缺陷。在Harbor的代码实现中,OIDC登出流程的处理与审计日志记录之间存在不协调:
- 当用户触发登出请求时,系统会先处理Harbor本地的会话清理
- 然后重定向到IDP进行远程登出
- 审计日志记录发生在本地会话清理之后,但没有正确等待IDP登出结果
由于审计日志记录过早执行,无法获取到IDP登出的最终状态,导致总是记录为失败状态。这种实现方式违背了审计日志应当准确反映操作结果的初衷。
解决方案
修复此问题的核心思路是重构审计日志的记录时机和方式:
- 将审计日志记录推迟到确认IDP登出完成之后
- 建立明确的登出状态传递机制
- 确保审计日志能够获取到完整的登出操作结果
具体实现上,需要对Harbor的OIDC登出处理流程进行重构,在适当的位置插入状态检查点,并将最终状态传递给审计日志记录模块。
修复效果
经过修复后,Harbor的审计日志将能够准确反映OIDC登出操作的真实状态:
- 当用户成功从Harbor和IDP两端登出时,审计日志记录为成功
- 当登出过程中出现任何问题时,审计日志会如实记录失败状态
- 系统管理员可以通过审计日志准确追踪用户的登出行为
这种改进增强了Harbor系统的可观测性和可审计性,为安全运维提供了更可靠的数据支持。
总结
Harbor作为企业级容器镜像仓库,其审计日志的准确性至关重要。本次修复解决了OIDC登出场景下审计日志记录不准确的问题,体现了Harbor项目对安全性和可靠性的持续追求。对于使用OIDC认证的企业用户来说,这一改进将帮助他们更好地监控和管理用户会话生命周期。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218