SOQL-Lib 项目中的字段级安全(FLS)最佳实践
2025-06-19 13:31:22作者:吴年前Myrtle
理解字段级安全(FLS)的重要性
在Salesforce开发中,字段级安全(Field-Level Security, FLS)是一个关键的安全特性,它控制着用户对对象字段的访问权限。SOQL-Lib项目提供了一套优雅的机制来处理FLS,让开发者能够更轻松地构建安全的Apex代码。
默认安全模式:USER_MODE
SOQL-Lib默认采用USER_MODE模式运行查询,这是最安全的做法:
public inherited sharing class SOQL_Account extends SOQL implements SOQL.Selector {
public static SOQL_Account query() {
return new SOQL_Account();
}
private SOQL_Account() {
super(Account.SObjectType);
with(Account.Name, Account.AccountNumber);
}
}
在这种模式下,系统会自动检查:
- 用户是否有访问Account对象的权限
- 用户是否有访问Name和AccountNumber字段的权限
- 根据用户的共享设置过滤记录
系统模式:SYSTEM_MODE
在某些特殊场景下,你可能需要绕过安全限制,这时可以使用SYSTEM_MODE:
private SOQL_Account() {
super(Account.SObjectType);
with(Account.Name, Account.AccountNumber)
.systemMode();
}
SYSTEM_MODE会忽略:
- 对象权限检查
- 字段级安全限制
- 共享规则
注意:除非有充分理由,否则不建议使用SYSTEM_MODE,因为它会降低系统的安全性。
混合安全模式:保留FLS但忽略共享规则
有时我们需要一个折中方案:保留字段级安全检查但忽略共享规则。这可以通过组合使用systemMode()、withoutSharing()和stripInaccessible()实现:
private SOQL_Account() {
super(Account.SObjectType);
with(Account.Name, Account.AccountNumber)
.systemMode()
.withoutSharing()
.stripInaccessible();
}
这种配置下:
- 仍然会检查字段级安全
- 忽略共享规则
- 返回结果时会自动过滤掉用户无权访问的字段
实际应用场景分析
- 标准业务逻辑:使用默认USER_MODE,确保完全遵守安全模型
- 后台批处理:可能需要SYSTEM_MODE以访问所有数据
- 报表功能:混合模式适合需要跨部门数据但不暴露敏感字段的场景
安全开发建议
- 始终优先考虑使用默认的USER_MODE
- 如果必须使用SYSTEM_MODE,添加详细注释说明原因
- 定期审查使用SYSTEM_MODE的代码
- 考虑使用stripInaccessible()作为SYSTEM_MODE的安全补充
通过SOQL-Lib提供的这些灵活选项,开发者可以在保证系统安全性的同时,满足各种复杂的业务需求。记住,安全不是可选项,而是每个开发者的责任。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C037
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0115
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 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 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
433
3.3 K
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++
689
352
Ascend Extension for PyTorch
Python
238
271
暂无简介
Dart
690
162
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
仓颉编程语言运行时与标准库。
Cangjie
144
881
React Native鸿蒙化仓库
JavaScript
266
327
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
218
115
仓颉编译器源码及 cjdb 调试工具。
C++
138
869