Cheshire Cat AI 核心框架中的认证机制设计与实现
2025-06-29 13:51:29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
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
473
3.52 K
React Native鸿蒙化仓库
JavaScript
286
338
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
224
91
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
722
174
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
10
1
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++
849
438
🎉 (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
1.27 K
699
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19