Supabase Auth中LinkedIn OIDC认证的Issuer不匹配问题解析
问题背景
在使用Supabase Auth进行LinkedIn OAuth2.0集成时,开发者可能会遇到一个典型的OIDC协议验证错误。具体表现为认证流程失败,控制台显示错误信息:"oidc: id token issued by a different provider, expected 'https://www.linkedin.com' got 'https://www.linkedin.com/oauth'"。
技术原理分析
这个问题的本质在于OIDC协议中的Issuer验证机制。在OpenID Connect协议中,ID Token必须包含一个iss(issuer)声明,用于标识令牌的颁发者。Supabase Auth的后端服务GoTrue在验证ID Token时,会严格检查iss声明是否与预配置的颁发者URL完全匹配。
LinkedIn的OAuth2.0实现存在一个特殊行为:虽然其OIDC元数据文档(OpenID Provider Configuration Document)中声明的颁发者是"https://www.linkedin.com",但实际颁发的ID Token中的iss声明却是"https://www.linkedin.com/oauth"。这种不一致导致了验证失败。
解决方案
这个问题需要通过升级Supabase基础设施中的GoTrue服务版本来解决。新版本的GoTrue服务已经针对LinkedIn的特殊情况做了适配处理。
对于使用Supabase托管服务的开发者,需要联系Supabase技术支持团队请求升级GoTrue服务版本。值得注意的是:
- 即使是免费计划的用户也可以请求此升级
- 该升级无法通过Supabase仪表板自助完成
- 升级请求时应明确说明是LinkedIn OIDC的Issuer不匹配问题
开发者应对建议
对于遇到此问题的开发者,建议采取以下步骤:
- 首先确认错误信息是否与上述Issuer不匹配问题完全一致
- 检查使用的Supabase客户端库版本是否为较新版本
- 通过Supabase官方支持渠道提交升级请求
- 在等待升级期间,可以考虑暂时使用其他认证方式作为替代方案
总结
OAuth/OIDC集成中的Issuer验证是一个重要的安全机制,但不同提供商的实现细节可能存在差异。Supabase团队通过持续更新其认证服务来适配这些差异,为开发者提供更稳定的集成体验。遇到类似问题时,及时与平台支持团队沟通是最高效的解决途径。
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-1.5暂无简介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
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
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