Brave浏览器Linux版Cookie持久化问题分析与解决方案
问题概述
近期在Brave浏览器Linux版本中,部分用户报告了一个严重的会话持久性问题:浏览器重启后无法保持登录状态,特别是对Google/视频平台等网站的登录信息会丢失。这个问题主要影响使用KDE Plasma桌面环境的Linux用户,表现为每次重启浏览器后都需要重新登录网站并完成双重认证。
技术背景
Brave浏览器基于Chromium项目构建,在Linux平台上使用OSCrypt模块来处理敏感数据的加密存储。OSCrypt支持多种后端存储机制,包括:
- KWallet (KDE桌面环境)
- GNOME Keyring (GNOME桌面环境)
- Libsecret (通用解决方案)
- 基本文本存储(不安全的后备方案)
在Chromium 135版本中,引入了一个名为"UseFreedesktopSecretKeyProvider"的新特性,旨在改进Linux平台上的密钥存储机制,但正是这个特性导致了上述问题。
问题根源分析
通过分析用户提供的日志和调试信息,可以确定问题源于以下几个方面:
-
密钥存储后端选择不当:系统检测到KDE环境后选择了KWallet6作为后端,但实际存储/读取过程存在问题。
-
解密机制异常:日志中频繁出现"Decryption succeeded after retrying with an empty key"的提示,表明系统虽然最终解密成功,但使用的是空密钥,这会导致无法正确读取之前存储的会话数据。
-
Cookie数据库写入/读取不一致:用户报告称虽然Cookie能被写入数据库,但在重启后无法正确读取,导致数据库看似"清空"。
解决方案
经过Brave开发团队的调查,确认以下解决方案:
临时解决方案
对于遇到此问题的用户,可以通过以下命令行参数启动Brave浏览器:
--disable-features=UseFreedesktopSecretKeyProvider
对于长期使用,可以将此参数添加到浏览器的启动配置中:
- 创建或编辑
~/.config/brave-flags.conf文件 - 添加上述参数
- 保存文件后重启浏览器
永久修复
Brave开发团队已经通过Griffin配置系统禁用了有问题的"UseFreedesktopSecretKeyProvider"特性。该修复从版本1.77.92开始生效,用户升级到该版本或更高版本后问题将自动解决。
验证与测试
Brave QA团队在以下环境中验证了修复效果:
- Brave 1.77.92版本
- 多种Linux发行版(Kubuntu, Arch Linux等)
- 不同桌面环境(KDE Plasma, GNOME等)
测试内容包括:
- 在旧版本中登录网站
- 升级到修复版本
- 验证登录状态保持
- 重启浏览器验证会话持久性
所有测试均确认修复有效。
用户建议
对于仍遇到此问题的用户,建议:
- 首先确保已升级到Brave 1.77.92或更高版本
- 如果问题仍然存在,尝试上述命令行参数解决方案
- 检查桌面环境密钥环服务是否正常运行
- 对于KDE用户,可以尝试明确指定使用KWallet6后端:
--password-store=kwallet6
总结
这个案例展示了开源浏览器在跨平台支持中面临的挑战,特别是与不同桌面环境集成时的复杂性。Brave团队通过社区反馈快速定位问题,并通过版本更新提供了永久解决方案,体现了开源协作的优势。对于终端用户,了解这些技术细节有助于更好地解决问题并优化使用体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00