当前位置:首页 > 文章列表 > Golang > Go问答 > 我是否需要对存储在数据库中的刷新令牌进行哈希处理?

我是否需要对存储在数据库中的刷新令牌进行哈希处理?

来源:stackoverflow 2024-04-02 18:51:30 0浏览 收藏

哈喽!今天心血来潮给大家带来了《我是否需要对存储在数据库中的刷新令牌进行哈希处理?》,想必大家应该对Golang都不陌生吧,那么阅读本文就都不会很困难,以下内容主要涉及到,若是你正在学习Golang,千万别错过这篇文章~希望能帮助到你!

问题内容

我正在开发一个 Web 应用程序,该应用程序在后端使用 Go 和基于 JWT 的身份验证。当用户登录时,我向他们发送过期时间较短的访问令牌和过期时间较长的刷新令牌。这两个令牌都包含 username 作为其有效负载。它们是用不同的秘密创建的。我的问题是关于注销。当用户发送注销请求时,我想使其刷新令牌无效,以便他们在注销后需要再次登录。为了解决方案,我将将该刷新令牌存储在数据库的黑名单表中。我的问题是,我是否需要在将刷新令牌存储到数据库之前对其进行哈希处理。谢谢。


解决方案


标准 JWT 声明 (RFC 7519 §4.1.7) 之一是 "jti",它是令牌的唯一标识符。如果您在刷新令牌中包含唯一标识符,则足以在数据库中存储 "jti" 和 "exp" (过期)声明。 (我默认使用 ("github.com/satori/go.uuid").NewV4 生成 "jti" 作为随机 UUID,并且由 "crypto/rand" 随机数生成器内部支持。)

现在,如果您收到刷新令牌,您可以执行常规检查以确保其已正确签名且未过期,然后在数据库中查找 "jti"。如果不在黑名单中,那么就可以重复使用。您只需将 "exp" 保留在数据库中即可知道何时可以安全地清除记录。由于 "jti" 只是一个随机标识符,因此您无法从 "jti" 返回任何可识别信息,因此不需要对其进行哈希或加密。

如果您没有 "jti" 并且无法添加,我可能会散列令牌或仅保留声明的副本。部分原因是空间原因,部分原因是您不想存储实际上是有效凭证的内容。保留足够的信息,以便您可以唯一地识别令牌;可能 "sub" 和 "exp" 时间在一起就足够了(如果向同一主体颁发的两个令牌在同一秒到期是无法区分的)。

今天关于《我是否需要对存储在数据库中的刷新令牌进行哈希处理?》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
win10电脑屏幕往左偏怎么办_win10电脑屏幕往左偏处理方法win10电脑屏幕往左偏怎么办_win10电脑屏幕往左偏处理方法
上一篇
win10电脑屏幕往左偏怎么办_win10电脑屏幕往左偏处理方法
linux上如何安装PHP7
下一篇
linux上如何安装PHP7
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    293次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    346次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    352次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    315次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    135次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码