Sa-Token v1.40.0 发布:安全增强与功能扩展
项目简介
Sa-Token 是一个轻量级的 Java 权限认证框架,主要解决登录认证、权限认证、单点登录、OAuth2.0、分布式会话等常见权限管理问题。它设计简洁、API 友好,支持快速集成到各种 Java 项目中。
核心功能增强
安全防护能力提升
本次版本在安全防护方面做了多项重要改进:
-
Cookie 自定义属性支持:开发者现在可以更灵活地配置 Cookie 的各种属性,如 HttpOnly、Secure、SameSite 等,满足不同安全场景的需求。这一改进使得 Sa-Token 能够更好地适应现代 Web 应用的安全要求。
-
防火墙策略扩展:新增了请求路径黑名单校验、非法字符校验和白名单放行功能。这些策略可以有效防御路径遍历攻击和非法输入攻击,为应用提供多一层保护。
-
路径校验增强:修复了分号字符的路径校验问题,防止潜在的路径遍历风险。这一改进源于安全社区的研究发现,确保了 URL 过滤的全面性。
会话管理优化
-
会话续期机制改进:修复了某些场景下已存在的 token-session 没有被正确续期的问题,确保会话状态的持续性和一致性。
-
活跃超时检查优化:同一请求内只会执行一次活跃超时检查和续期操作,减少了不必要的性能开销。
-
封禁模块增强:新增支持实时从数据库查询封禁数据,使得大规模分布式环境下的封禁管理更加高效。
SSO 单点登录改进
单点登录模块在本版本中获得了多项优化:
-
跨域处理改进:将 SSO 示例代码中的跨域处理从原生方式改为 Sa-Token 过滤器模式,提供了更统一和可配置的跨域解决方案。
-
文档完善:新增了"SSO 整合 - NoSdk 模式与非 Java 项目"章节,帮助开发者更好地理解如何在非标准环境下集成 SSO 功能。
-
配置灵活性:针对不同 SSO Client 配置不同秘钥的场景,增加了异常处理方案的提示,使配置过程更加顺畅。
OAuth2 模块重大更新
OAuth2 支持是本版本的重点改进领域:
-
前端测试页:新增了 OAuth2 Client 前端测试页,大大简化了 OAuth2 集成的调试和测试过程。
-
UnionId 支持:实现了联合 ID 功能,方便应用在不同平台间统一用户标识。
-
前后端分离支持:新增了 OAuth2 Server 端前后端分离的示例与文档,适应现代应用架构需求。
-
OIDC 增强:增加了 nonce 随机数响应校验,提升了 OpenID Connect 模式的安全性。
-
Token 管理增强:
- 新增 Refresh-Token 回收功能
- 为各类 Token 添加创建时间和授权类型字段
- 提供更方便的授权码获取和校验方法
新插件支持
本次版本新增了两个重要插件:
-
Freemarker 插件:为使用 Freemarker 模板引擎的项目提供了便捷的权限控制集成方案。
-
Spring EL 插件:支持通过 SpEL 表达式进行注解鉴权,使得权限控制更加灵活和强大。
文档与示例完善
-
MongoDB 集成示例:新增了与 MongoDB 集成的完整示例,帮助开发者快速实现基于 MongoDB 的权限管理。
-
配置指导:针对 Spring Boot 3.x 版本,新增了配置 Redis 的注意事项,避免兼容性问题。
-
视频教程:增加了多个视频教程链接,包括"fox说技术"和"API接口参数签名"等主题,提供多样化的学习资源。
总结
Sa-Token v1.40.0 是一个功能丰富且注重安全的版本。它在核心安全防护、会话管理、SSO 和 OAuth2 支持等方面都做了显著改进,同时新增了对 Freemarker 和 SpEL 表达式的支持,进一步扩展了框架的适用场景。无论是安全需求的提升,还是现代应用架构的支持,这个版本都为开发者提供了更强大的工具和更完善的文档支持。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01