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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00