OpenIddict核心库:如何向身份令牌/访问令牌添加自定义数据
2025-06-11 06:45:03作者:齐冠琰
概述
在使用OpenIddict进行身份认证和授权时,开发者经常需要向身份令牌(ID Token)或访问令牌(Access Token)中添加自定义数据。本文将详细介绍如何在OpenIddict 6.0中实现这一功能,特别是针对客户端凭证(client_credentials)授权流程的场景。
核心概念:声明目的地(Claim Destinations)
OpenIddict采用了一种显式的"声明目的地"机制来控制声明(claims)如何被复制到不同的令牌中。这种设计提供了更精细的控制能力,确保开发者能够明确指定哪些声明应该出现在身份令牌、访问令牌或两者中。
实现步骤
1. 创建自定义声明
首先,我们需要准备要添加到令牌中的自定义声明。这些声明通常包含用户或客户端的关键信息,如用户ID、角色、邮箱等。
var claims = new List<Claim>
{
new Claim("sub", user.Id.ToString()),
new Claim(ClaimTypes.NameIdentifier, user.Id.ToString()),
new Claim(ClaimTypes.Role, user.Role.Name),
new Claim(ClaimTypes.Email, user.Email)
};
2. 创建声明主体(Claims Principal)
将这些声明封装到一个声明主体中:
var identity = new ClaimsIdentity(claims, "Custom");
var principal = new ClaimsPrincipal(identity);
3. 设置声明目的地
这是OpenIddict特有的关键步骤。我们需要为每个声明指定它应该出现在哪些令牌中:
principal.SetScopes(new[] { Scopes.OpenId, Scopes.Profile, Scopes.Email });
foreach (var claim in principal.Claims)
{
claim.SetDestinations(GetDestinations(claim, principal));
}
其中,GetDestinations方法定义了声明应该出现在哪些令牌中:
private static IEnumerable<string> GetDestinations(Claim claim, ClaimsPrincipal principal)
{
switch (claim.Type)
{
case ClaimTypes.NameIdentifier:
yield return Destinations.AccessToken;
yield return Destinations.IdentityToken;
break;
case ClaimTypes.Role:
yield return Destinations.AccessToken;
break;
case ClaimTypes.Email:
if (principal.HasScope(Scopes.Email))
{
yield return Destinations.AccessToken;
yield return Destinations.IdentityToken;
}
break;
// 其他声明处理...
}
}
4. 签发令牌
最后,使用OpenIddict的SignIn方法签发令牌:
return SignIn(principal, OpenIddictServerAspNetCoreDefaults.AuthenticationScheme);
客户端凭证流程的特殊处理
对于客户端凭证(client_credentials)授权流程,我们需要特别注意:
- 验证客户端ID
- 获取客户端对应的用户信息
- 创建包含必要声明的声明主体
- 设置适当的声明目的地
if (request.IsClientCredentialsGrantType())
{
if (Guid.TryParse(request.ClientId, out var clientId))
{
var user = await userService.GetUserByClientId(clientId);
var identity = new ClaimsIdentity("Custom");
identity.AddClaim("sub", user.Id.ToString());
identity.AddClaim(ClaimTypes.Role, user.Role.Name);
var principal = new ClaimsPrincipal(identity);
principal.SetScopes(request.GetScopes());
// 设置声明目的地
foreach (var claim in principal.Claims)
{
claim.SetDestinations(GetDestinations(claim, principal));
}
return SignIn(principal, OpenIddictServerAspNetCoreDefaults.AuthenticationScheme);
}
}
最佳实践
- 最小化原则:只添加必要的声明到令牌中,避免令牌过大
- 安全性考虑:敏感信息不应直接放在令牌中
- 性能优化:对于频繁访问但不常变化的数据,可以考虑放在令牌中
- 标准化声明:优先使用标准声明类型(如sub, email等)
总结
OpenIddict通过声明目的地机制提供了灵活而安全的令牌声明管理方式。相比其他解决方案,这种显式声明的方式虽然需要更多配置,但带来了更好的安全性和可控性。开发者可以根据应用需求,精确控制每个声明出现在哪些令牌中,从而构建更安全、更高效的认证授权系统。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。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
Spark-Formalizer-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
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
614
138
Ascend Extension for PyTorch
Python
163
183
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
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
369
3.15 K
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
255
90
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
1.03 K
475
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
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++
644
255