Spring Authorization Server中自定义ID Token过期时间的实现方案
背景介绍
在基于Spring Authorization Server构建OAuth2和OpenID Connect认证服务时,开发人员可能会遇到需要调整ID Token过期时间的场景。默认情况下,Spring Authorization Server将ID Token的过期时间设置为固定的30分钟,这在某些特定环境下可能无法满足需求。
默认行为分析
Spring Authorization Server的JwtGenerator类中硬编码了ID Token的过期时间为30分钟。这种设计虽然符合安全最佳实践,但在某些特殊场景下显得不够灵活,例如:
- 测试环境中需要延长会话时间以便测试人员完成长时间测试
- 特定业务场景需要更短或更长的令牌有效期
- 开发调试阶段需要调整令牌生命周期
解决方案
Spring Authorization Server提供了OAuth2TokenCustomizer接口,允许开发人员自定义JWT令牌的各个部分,包括过期时间。以下是实现自定义ID Token过期时间的完整方案:
@Bean
public OAuth2TokenCustomizer<JwtEncodingContext> tokenCustomizer() {
return context -> {
// 处理ID Token的情况
if (context.getTokenType().getValue().equals(OidcParameterNames.ID_TOKEN)) {
// 设置新的过期时间为14小时后
context.getClaims().claim("exp", Instant.now().plus(14, ChronoUnit.HOURS));
// 可以同时添加其他自定义声明
context.getClaims()
.claim("preferred_username", user.getUsername())
.claim("groups", List.of("ADMIN_GROUP"));
}
};
}
实现细节解析
-
OAuth2TokenCustomizer接口:这是Spring Authorization Server提供的扩展点,允许在令牌生成过程中进行自定义。
-
JwtEncodingContext:提供了访问当前令牌生成上下文的全部信息,包括令牌类型、主体信息、客户端信息等。
-
exp声明:这是JWT标准中表示过期时间的声明,值应为UNIX时间戳。
-
Instant.now().plus():使用Java 8的时间API计算新的过期时间点。
最佳实践建议
-
生产环境谨慎设置:在生产环境中,建议保持较短的过期时间以增强安全性。
-
环境区分:可以通过配置文件区分不同环境的过期时间设置。
-
日志记录:建议记录自定义过期时间的操作,便于审计和问题排查。
-
结合刷新令牌:虽然ID Token通常不建议使用刷新机制,但可以考虑结合访问令牌的刷新流程来重新获取ID Token。
总结
通过实现OAuth2TokenCustomizer接口,Spring Authorization Server提供了灵活的机制来自定义ID Token的各个方面,包括过期时间。这种设计既保持了框架的默认安全性,又为特殊场景提供了必要的扩展能力。开发人员可以根据实际需求,在不修改框架源码的情况下,实现符合业务要求的令牌生命周期管理策略。
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