Hanko项目发布v1.4.0版本:增强身份认证功能与国际化支持
Hanko是一个现代化的身份认证解决方案,专注于为开发者提供简单易用且安全的用户认证服务。该项目支持多种认证方式,包括密码、WebAuthn、社交登录等,同时提供了丰富的API和可定制化的界面。
版本亮点
新增Facebook社交登录支持
v1.4.0版本中,Hanko正式集成了Facebook作为预配置的社交单点登录(SSO)提供商。这一功能扩展了Hanko的社交登录选项,使开发者能够为终端用户提供更多样化的登录选择。通过简单的配置,应用现在可以支持用户使用Facebook账号快速登录,同时保持高安全标准。
SAML IdP发起的单点登录(企业版功能)
对于企业用户而言,v1.4.0引入了一个关键功能:支持身份提供商(IdP)发起的SAML单点登录流程。这一功能特别适合B2B场景,允许企业用户通过他们自己的身份提供商(如Microsoft Entra、Google Workspace或Okta)的应用目录直接发起认证流程。这意味着企业员工可以像访问其他企业应用一样,直接从他们熟悉的门户访问使用Hanko认证的应用,大大提升了用户体验和企业IT管理的便利性。
电子邮件国际化支持
Hanko现在支持多语言的电子邮件发送功能。系统会根据用户浏览器会话中设置的Hanko Elements语言环境自动选择相应的邮件语言版本。这一改进特别适合国际化应用,确保用户收到的验证码、密码重置等关键邮件内容使用他们熟悉的语言,提升用户体验和安全性。
新增Webhook事件类型
v1.4.0版本扩展了Webhook功能,新增了多个事件类型:
- 用户登录事件(user.login)
- 用户密码变更事件(user.password.changed)
- 用户名相关操作事件(user.update.username.create/update/delete)
此外,所有Webhook事件现在都包含了触发事件的IP地址和用户代理信息,为开发者提供了更丰富的上下文数据,便于安全审计和用户行为分析。
数据库维护优化
新版本引入了一个清理命令,用于定期移除数据库中过期的条目,包括:
- 过期的认证流程数据
- 审计日志
- WebAuthn凭证会话数据
这一功能有助于保持数据库的高效运行,减少存储空间的浪费,同时确保只保留必要的数据。
技术细节与改进
会话管理增强
v1.4.0对会话管理系统进行了多项改进:
- 服务器端会话持久化成为默认行为
- 会话响应中增加了更多用户信息
- 优化了会话验证流程
这些改进提高了会话管理的安全性和可靠性,同时为开发者提供了更丰富的会话信息。
安全性与错误处理
版本包含多项安全性和稳定性改进:
- 为设备信任cookie添加了SameSite属性
- 改进了"僵尸"Passkey(无效的WebAuthn凭证)的错误处理
- 修复了第三方提供商加载时的UI问题
配置灵活性
新版本提供了更灵活的配置选项:
- 当配置文件加载失败时,系统会回退到默认配置而非完全失败
- 服务器端会话配置可以更精细地控制
总结
Hanko v1.4.0版本通过新增Facebook登录支持、SAML IdP发起的SSO、多语言邮件等功能,显著扩展了其作为现代身份认证解决方案的能力。同时,通过新增Webhook事件和数据库清理工具,为开发者提供了更强大的集成和维护能力。这些改进使Hanko更适合国际化应用和企业级部署场景,同时保持了系统的安全性和易用性。
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