Kong项目中JWT签名验证的Base64Url编码规范变更解析
2025-05-02 20:50:44作者:段琳惟
背景介绍
在Kong网关从2.8.x版本升级到3.7.1版本的过程中,部分用户报告了JWT(JSON Web Token)客户端认证出现签名无效的问题。这些用户在使用HS256算法生成JWT时,原本在旧版本中能够正常工作的代码在新版本中突然失效。本文将深入分析这一变更的技术背景、原因及解决方案。
问题本质
核心问题在于Kong 3.7.1版本对JWT的Base64编码处理更加严格,要求必须符合RFC 7519规范中的Base64Url编码标准,而旧版本对此要求较为宽松。
技术细节解析
JWT结构要求
根据JWT规范,一个标准的JWT由三部分组成,用点号(.)分隔:
- 头部(Header) - Base64Url编码
- 载荷(Payload) - Base64Url编码
- 签名(Signature) - Base64Url编码
Base64与Base64Url的区别
标准Base64编码使用以下字符集:
- 字母A-Z、a-z、数字0-9
- 特殊字符+和/
- 填充字符=
而Base64Url编码为了URL安全性做了以下调整:
- 将+替换为-
- 将/替换为_
- 省略末尾的=填充
实际案例对比
问题用户的原始代码直接使用标准Base64编码:
EncodingUtil.base64Encode(blob.valueOf(HEAD)) + '.' + EncodingUtil.base64Encode(blob.valueOf(payload))
修正后的代码符合Base64Url标准:
EncodingUtil.base64Encode(Blob.valueOf(JSON.serialize(header)))
.replace('+', '-').replace('/', '_').substringBefore('=')
版本变更影响
Kong 3.7.1版本通过PR #11569严格实施了RFC 7519规范,这属于规范遵从性的改进,但确实带来了向后兼容性的影响。旧版本可能出于兼容性考虑,对非标准编码的JWT也予以接受。
解决方案建议
对于遇到此问题的用户,建议采取以下措施:
- 客户端修正:确保JWT生成时使用正确的Base64Url编码
- 服务端检查:验证Kong配置是否正确处理JWT
- 文档说明:在升级文档中明确标注此变更点
最佳实践
为避免类似问题,开发时应注意:
- 始终使用符合RFC标准的JWT库
- 避免手动拼接JWT组件
- 在升级前充分测试认证流程
- 关注项目变更日志中的重大变更
总结
Kong项目对JWT处理的这一变更体现了开源项目向标准规范靠拢的趋势。虽然短期内可能造成部分用户的适配工作,但从长远看提高了系统的规范性和安全性。理解这一变更的技术背景,有助于开发者更好地构建和维护基于Kong的认证体系。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217