Supabase Auth中Figma提供商使用已弃用scope的技术分析
问题背景
在Supabase Auth的Figma提供商实现中,开发者发现了一个与OAuth scope相关的兼容性问题。Figma API近期对其认证scope进行了重大更新,将原先的file_read scope标记为已弃用,并引入了更细粒度的权限控制机制。
技术细节分析
Figma作为设计协作平台,其API权限系统经历了从粗放式到精细化的演进过程。原先的file_read scope是一个"一刀切"式的权限范围,一旦授予就意味着应用可以读取用户的所有设计文件。这种设计在现代OAuth实践中被认为不够安全,也不符合最小权限原则。
Figma API更新后,引入了新的files:read scope作为替代方案。虽然从表面上看这只是命名上的变化,但实际上代表了权限模型的根本性改变。新scope体系允许更精确地控制应用能访问的资源范围。
问题影响
Supabase Auth库中仍然硬编码了已弃用的file_read scope,这会导致两个具体问题:
-
当开发者尝试使用新scope(如
files:read)进行认证时,系统会抛出错误:"Cannot pass in both the file_read and files:read scopes"。这是因为Figma API不允许同时使用新旧两种scope。 -
即使用户成功认证,应用也会获得比实际需要更广泛的权限,这违反了现代应用安全的最佳实践。
解决方案建议
从技术实现角度,建议采取以下改进措施:
-
将默认scope更新为
files:read,这是当前Figma API推荐的最小权限scope。 -
在代码中移除对已弃用
file_readscope的硬编码引用,改为支持可配置的scope参数。 -
考虑向后兼容性处理,对于仍在使用旧版API的客户端提供适当的警告或迁移指引。
安全实践启示
这一案例给我们带来了几个重要的安全启示:
-
第三方API的权限模型可能会随时间演进,客户端实现需要保持同步更新。
-
权限scope的设计趋势是越来越精细化,开发者应该遵循最小权限原则。
-
在OAuth实现中硬编码scope值是一种反模式,更好的做法是使其可配置。
总结
Supabase Auth中Figma提供商使用已弃用scope的问题,反映了现代应用开发中一个常见挑战:如何保持与第三方API演进的同步。通过及时更新scope配置,不仅可以解决兼容性问题,还能提升应用的整体安全性。对于开发者而言,这也是一次审视自己项目中类似潜在问题的好机会。
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