OpenSK项目中如何安全删除不再使用的Passkey账户凭证
2025-06-26 00:59:26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
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
192
212
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++
649
270
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
297
111
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
384
3.68 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143