.NET MAUI 中解决 iOS 隐私清单缺失问题的完整指南
问题背景
在 iOS 应用开发中,苹果公司近期加强了对第三方 SDK 隐私管理的审查要求。当开发者使用 .NET MAUI 框架开发 iOS 应用并集成 Firebase 等第三方服务时,可能会遇到"ITMS-91061: Missing privacy manifest"的错误提示,导致应用无法通过 App Store 审核。
问题本质
苹果要求所有包含常用第三方 SDK 的应用必须提供隐私清单文件(PrivacyInfo.xcprivacy)。这些文件需要明确说明 SDK 收集的数据类型、使用目的以及访问的 API 类型。对于 .NET MAUI 项目,特别是使用 Xamarin.Firebase.iOS.* 等较老版本 SDK 的情况,这些隐私清单文件往往缺失。
解决方案详解
1. 识别缺失的隐私清单
首先需要从苹果的审核邮件中获取具体缺失隐私清单的框架列表。常见的 Firebase 相关框架包括:
- FirebaseCore
- FirebaseMessaging
- FirebaseInstallations
- GoogleDataTransport
- GTMSessionFetcher
- 以及其他依赖项
2. 获取隐私清单文件
对于每个缺失隐私清单的框架,需要从其官方 GitHub 仓库获取对应的 PrivacyInfo.xcprivacy 文件。例如:
- FirebaseCore 的隐私清单可以从 Firebase iOS SDK 仓库获取
- FBLPromises 的隐私清单可以从 Google Promises 仓库获取
- 其他依赖项也有对应的官方仓库
3. 项目结构调整
在 .NET MAUI 项目中创建专门的隐私清单目录结构:
Platforms/iOS/PrivacyManifests/
将获取的所有隐私清单文件放入此目录,并确保文件命名清晰,便于管理。
4. 修改项目文件
在 .csproj 文件中为每个隐私清单添加 BundleResource 条目。例如:
<ItemGroup Condition="$([MSBuild]::GetTargetPlatformIdentifier('$(TargetFramework)')) == 'ios'">
<BundleResource Include="Platforms\iOS\PrivacyManifests\FirebaseCore.xcprivacy">
<LogicalName>Frameworks/FirebaseCore.framework/PrivacyInfo.xcprivacy</LogicalName>
</BundleResource>
<!-- 其他框架的隐私清单 -->
</ItemGroup>
5. 特殊情况处理
对于某些框架(如 FirebaseCoreDiagnostics),可能无法找到官方提供的隐私清单文件。这种情况下,可以创建一个基本的隐私清单文件,声明不收集任何数据:
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
<key>NSPrivacyAccessedAPITypes</key>
<array/>
<key>NSPrivacyCollectedDataTypes</key>
<array/>
<key>NSPrivacyTracking</key>
<false/>
<key>NSPrivacyTrackingDomains</key>
<array/>
</dict>
</plist>
技术原理
隐私清单机制是苹果为增强用户隐私保护而引入的。它要求每个框架明确声明:
- 收集的数据类型(如设备ID、使用数据等)
- 数据收集的目的(如应用功能、分析等)
- 是否用于追踪用户
- 访问的系统API类型及原因
在 .NET MAUI 中,通过 BundleResource 机制将隐私清单文件嵌入到最终生成的 iOS 应用中,确保它们位于正确的框架目录下。
最佳实践
- 定期检查依赖项:随着苹果政策的更新,更多框架可能需要添加隐私清单
- 保持文件更新:当框架更新时,检查其隐私清单是否有变化
- 完整覆盖:确保为所有苹果指出的缺失框架都提供了隐私清单
- 验证机制:在提交前检查生成的IPA文件,确认隐私清单已正确嵌入
长期解决方案
虽然手动添加隐私清单可以解决当前问题,但从长远来看:
- 考虑迁移到维护更活跃的 Firebase SDK 版本
- 关注 .NET MAUI 社区对 Firebase 支持的更新
- 评估是否有替代 Firebase 的方案可用
通过以上步骤,开发者可以有效地解决 .NET MAUI 应用在 iOS 平台上的隐私清单缺失问题,确保应用顺利通过 App Store 审核。
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