Cheshire Cat AI 核心框架中的认证机制设计与实现
2025-06-29 14:00:37作者:伍希望
认证机制演进背景
在Cheshire Cat AI核心框架的开发过程中,认证机制的设计经历了多次迭代。最初的设计仅对HTTP端点进行API密钥验证,而WebSocket连接则完全开放。这种设计在安全性方面存在明显缺陷,特别是在生产环境中使用时,可能导致未经授权的访问。
认证机制设计目标
项目团队最终确定了以下设计目标:
- 分离HTTP和WebSocket的认证机制
- 提供可扩展的认证接口
- 保持向后兼容性
- 支持多种认证策略
技术实现方案
基础认证类设计
框架实现了一个基础认证类BaseAuth,提供了默认的认证逻辑:
class BaseAuth():
def is_master_key(self, request):
# 使用环境变量中的API_KEY进行验证
return request.header["access_token"] == getenv("API_KEY")
def is_http_allowed(self, request):
return self.is_master_key(request)
def is_ws_allowed(self, websocket):
return True
自定义认证扩展
开发者可以通过继承BaseAuth类来实现自定义认证逻辑:
class MyAuth(BaseAuth):
def is_master_key(self, request):
# 可覆盖主密钥验证逻辑
return False
def is_http_allowed(self, request):
# 自定义HTTP认证逻辑
return custom_http_check(request)
def is_ws_allowed(self, websocket):
# 自定义WebSocket认证逻辑
return custom_ws_check(websocket)
端点保护机制
框架使用依赖注入来保护端点:
@router.get("/protected-endpoint")
def protected_endpoint(request, payload, Depends(http_auth)):
# 业务逻辑
pass
认证检查函数http_auth实现了OR逻辑,允许主密钥或自定义认证通过:
def http_auth(app, request):
cat = app.state.ccat
if not (cat.auth.is_master_key(request) or cat.auth.is_http_allowed(request)):
raise HTTPException(status_code=403)
安全最佳实践
- 密钥分离:使用不同的环境变量
AUTH_KEY和WS_AUTH_KEY分别保护HTTP和WebSocket端点 - 安全传输:建议在生产环境中启用WSS(WebSocket Secure)而非WS
- 权限控制:认证成功后可在工作内存中设置用户权限
- 插件扩展:通过插件系统支持OAuth等高级认证方案
技术决策考量
项目团队在设计中考虑了以下因素:
- 保持现有客户端兼容性
- 平衡安全性与易用性
- 提供足够的扩展点
- 清晰的职责分离
这种认证机制设计既满足了基本安全需求,又为未来的扩展提供了充分的空间,是框架安全架构的重要进步。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1