OpenSK项目中如何安全删除不再使用的Passkey账户凭证
2025-06-26 20:04:57作者:殷蕙予
在OpenSK安全密钥使用过程中,用户可能会创建多个测试账户。本文将详细介绍如何安全地删除这些不再使用的Passkey凭证,同时保持密钥设备的正常功能。
背景介绍
OpenSK是一个开源的FIDO2安全密钥实现,支持Passkey等现代认证方式。当用户在网站上注册多个测试账户后,这些凭证会被存储在安全密钥中。如果不及时清理,可能会导致凭证列表混乱或占用存储空间。
浏览器内置管理方法
对于Chrome浏览器用户,可以通过以下路径管理Passkey:
- 访问chrome://settings/securityKeys
- 在安全密钥管理界面中查看已存储的凭证
- 选择需要删除的凭证进行操作
需要注意的是,这种方法仅适用于可发现凭证(discoverable credentials),即存储在OpenSK设备本身的凭证。
使用Python脚本进行高级管理
对于需要更精细控制的用户,可以使用Python脚本与OpenSK设备直接交互。以下是一个功能完整的示例脚本:
from fido2.hid import CtapHidDevice
from fido2.ctap2 import CredentialManagement, Ctap2, ClientPin
class Ctap2Node:
def __init__(self, connection):
self.ctap = Ctap2(connection)
self._info = self.ctap.info
self.client_pin = ClientPin(self.ctap)
self._token = None
def unlock(self, pin):
permissions = ClientPin.PERMISSION(0)
permissions |= ClientPin.PERMISSION.CREDENTIAL_MGMT
self._token = self.client_pin.get_pin_token(pin, permissions)
def cm(self):
return CredentialManagement(
self.ctap,
pin_uv_protocol=self.client_pin.protocol,
pin_uv_token=self._token,
)
def main(pin):
devices = list(CtapHidDevice.list_devices())
device = Ctap2Node(devices[0])
device.unlock(pin)
cm = device.cm()
# 列出所有RP(依赖方)
enumerate_rps = cm.enumerate_rps()
for index, rp in enumerate(enumerate_rps):
print(f'{index}:{rp["id"]}')
# 选择要操作的RP
selected_rp = enumerate_rps[int(input('选择RP:'))]
# 列出该RP下的所有凭证
enumerate_creds = cm.enumerate_creds(rp_id_hash=selected_rp["rpIdHash"])
for index, cred in enumerate(enumerate_creds):
print(f'{index}:{cred["user"]["name"]}')
# 删除选定的凭证
selected_cred = enumerate_creds[int(input('选择凭证:'))]
cm.delete_cred(selected_cred["credentialId"])
if __name__ == '__main__':
main('您的PIN码')
注意事项
- 备份重要凭证:在执行删除操作前,请确保备份重要凭证
- PIN码安全:脚本中需要输入PIN码,请确保在安全环境下运行
- 设备兼容性:此脚本适用于支持FIDO2标准的设备
- 批量操作:可以修改脚本实现批量删除功能
替代方案
如果上述方法不可行,还可以考虑:
- 在原始网站(passkeys.io)上删除账户
- 重置整个安全密钥(会删除所有凭证)
技术原理
OpenSK使用FIDO2协议的凭证管理扩展功能来实现凭证删除。这个过程需要:
- 设备解锁(PIN验证)
- 获取凭证管理权限
- 枚举和选择特定凭证
- 执行删除操作
这种方法比完全重置设备更加精确,可以保留其他重要凭证的同时删除不需要的测试账户。
总结
登录后查看全文
热门项目推荐
相关项目推荐
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
278
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
223
302
Ascend Extension for PyTorch
Python
105
135
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++
599
164
暂无简介
Dart
568
127
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
261
24
🎉 (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
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
119
103
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
447