Django Ninja中CSRF保护与CORS的集成实践
前言
在使用Django Ninja框架开发API时,CSRF(跨站请求伪造)保护是一个重要的安全机制。然而当API需要支持CORS(跨域资源共享)时,CSRF保护的实现会面临一些特殊的挑战。本文将深入探讨如何在Django Ninja中正确处理CSRF保护与CORS的集成问题。
CSRF保护的基本原理
CSRF保护的核心思想是确保请求来自合法的源。Django传统的CSRF保护机制依赖于:
- 服务器生成一个唯一的CSRF令牌
- 令牌存储在用户的会话或cookie中
- 客户端在提交表单时需要包含这个令牌
在传统的Django应用中,CSRF令牌通常通过隐藏表单字段(_csrf_token)或cookie传递。然而在API开发中,特别是使用Django Ninja这样的REST框架时,我们通常不会使用表单提交数据。
CORS环境下的挑战
当API需要支持跨域请求时,CSRF保护面临的主要问题是:
- 浏览器会自动发送cookie,但JavaScript无法直接读取HttpOnly标记的cookie
- 跨域请求中,客户端无法直接获取CSRF令牌来设置请求头
- 传统的表单提交方式不适用于JSON API
Django Ninja中的解决方案
在Django Ninja中,可以通过以下方式启用CSRF保护:
api = NinjaAPI(auth=SessionAuth(csrf=True))
启用后,ninja.utils.check_csrf方法会为所有请求执行CSRF验证。具体来说,CsrfViewMiddleware.process_view方法会被调用。对于POST请求,如果没有表单数据,该方法要求请求头中包含正确的CSRF令牌。
实践中的解决方案
在实际开发中,可以采用以下方法解决CORS环境下的CSRF保护问题:
-
自定义CSRF令牌传递方式:对于登录和CSRF令牌获取端点,可以将CSRF令牌直接包含在响应体中返回给客户端。
-
双重提交Cookie模式:
- 服务器设置CSRF令牌到cookie中
- 客户端从cookie中读取令牌(需要cookie不是HttpOnly)
- 客户端将相同的令牌放入自定义请求头中
- 服务器验证cookie和请求头中的令牌是否匹配
-
简化流程:对于特定的端点(如csrf和login),可以直接在响应体中返回CSRF令牌,客户端后续请求时在请求头中携带该令牌。
实现示例
以下是一个实现示例:
from ninja import NinjaAPI
from ninja.security import SessionAuth
api = NinjaAPI(auth=SessionAuth(csrf=True))
@api.post("/csrf-token")
def get_csrf_token(request):
# 获取CSRF令牌
from django.middleware.csrf import get_token
token = get_token(request)
return {"csrf_token": token}
@api.post("/login")
def login(request, payload: LoginSchema):
# 登录逻辑
from django.contrib.auth import login as auth_login
user = authenticate(username=payload.username, password=payload.password)
if user is not None:
auth_login(request, user)
return {"success": True, "csrf_token": get_token(request)}
return {"success": False}
客户端在首次访问时先获取CSRF令牌,然后在后续请求中将其放入请求头:
// 获取CSRF令牌
const response = await fetch('/api/csrf-token');
const {csrf_token} = await response.json();
// 后续请求携带CSRF令牌
await fetch('/api/some-endpoint', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'X-CSRFToken': csrf_token
},
body: JSON.stringify({...})
});
安全注意事项
- 确保CSRF令牌有足够的随机性
- 为API设置合理的CORS策略
- 考虑使用SameSite cookie属性增强安全性
- 对于敏感操作,可以要求重新验证身份
总结
在Django Ninja中实现CSRF保护与CORS的集成需要理解两者的工作原理和交互方式。通过合理设计令牌传递机制和验证流程,可以在保证API安全性的同时支持跨域请求。开发者应根据具体应用场景选择最适合的实现方案,并始终将安全性放在首位。
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