OAuth的原理认证流程及访问资源流程

最新推荐文章于 2025-01-18 11:04:17 发布
最新推荐文章于 2025-01-18 11:04:17 发布
阅读量3.1k 收藏
点赞数
分类专栏： 技术文档 这个博 第三方开发文档 文章标签： token callback access credentials url 腾讯

OAuth的原理认证流程及访问资源流程

图 1 授权流程

腾讯微博API通过以下四个步骤来完成认证授权并访问或修改受限资源的流程

  1. 1.获取未授权的Request Token(temporary credentials)
  2. 2.请求用户授权Request Token
  3. 3.使用授权后的Request Token换取Access Token(token credentials)
  4. 4.使用 Access Token 访问或修改受保护资源

其中1~3步使用https方式， 第4步使用http方式。


请求签名说明

所有TOKEN请求和受保护的资源请求必须被签名，微博开放平台会根据签名来判断请求的合法性。签名算法使用Signature Base String和密钥（Secret）生成签名，参数oauth_signature用于指定签名。

图 1 授权流程

说明:

Signature Base String由以下三部分组成，各项之间使用&符号分隔。

1、Http Method
请求方法，GET/POST

2、URL Encode之后的请求URL（URL要小写）
例如：
请求URL：https://open.t.qq.com/cgi-bin/request_token
经URL Encode之后的请求URL为：
https%3A%2F%2Fopen.t.qq.com%2Fcgi-bin%2Frequest_token

3、URL Encode并排序之后的请求参数
例如： URL请求参数为：
oauth_callback=www.qq.com&oauth_consumer_key=49b0bes7352943a1a5609f9e30346201&oauth_nonce=90523669&oauth_signature_method=HMAC-SHA1&oauth_timestamp=1298513816&oauth_version=1.0
经URL Encode并排序之后的请求参数格式如下（参数间使用%26(即&符号)分隔）：
oauth_callback%3Dwww.qq.com%26oauth_consumer_key%5D49b0bes7352943a1a5609f9e30346201%26oauth_nonce%3D90523669%26oauth_signature_method%3DHMAC-SHA1%26oauth_timestamp%3D1298513816%26oauth_version%3D1.0

算法伪码：

httpMethod + "&" +
  url_encode(  base_uri ) + "&" +
  sorted_query_params.each  { | k, v |
      url_encode ( k ) + "%3D" +
      url_encode ( v )
  }.join("%26")

密钥由App Secret和Token Secret组成（中间使用&符号分隔）
签名算法目前只支持HMAC-SHA1。

获取未授权的Request Token

通过访问以下 URL 获取未授权的 Request Token

https://open.t.qq.com/cgi-bin/request_token

请求参数

参数意义
oauth_consumer_keyApp Key(应用信息中的App Key值)
oauth_signature_method签名方法，暂只支持HMAC-SHA1
oauth_signature签名值，密钥为：App Secret。计算说明。
oauth_timestamp时间戳, 其值是距1970 00:00:00 GMT的秒数，必须是大于0的整数
oauth_nonce单次值，随机生成的32位字符串，防止重放攻击（每次请求必须不同）
oauth_callback认证成功后浏览器会被重定向到这个url中
oauth_version(可选)版本号，如果有必须为“1.0”

返回参数

参数意义
oauth_token未授权的Request Token
oauth_token_secret对应的Request Token Secret
oauth_callback_confirmed对oauth_callback的确认信号

说明：

① 用户授权后web应用将会重定向到oauth_callback。当应用为pc客户端或手机客户端应用时，没有回调url(oauth_callback)的概念，此时设置为字符串null即可。字符串“null”必须是小写。

② 时间戳与标准时间偏差不得大于8分钟。

示例：

request_token

https://open.t.qq.com/cgi-bin/request_token?oauth_callback=null&oauth_consumer_key=aca77d2eb96f46e1b3353bc6743e8bfc&oauth_nonce=yQDMuXvdcEfQs2Mzf3XcT1r36WTULJls&oauth_signature=exxzU/tTbpdicmYHcyYh5kqgYgo=&oauth_signature_method=HMAC-SHA1&oauth_timestamp=1299569145&oauth_version=1.0

参数名参数值
oauth_consumer_keyaca77d2eb96f46e1b3353bc6743e8bfc
oauth_signature_methodHMAC-SHA1
oauth_signatureexxzU/tTbpdicmYHcyYh5kqgYgo=
oauth_timestamp1299569145
oauth_nonceyQDMuXvdcEfQs2Mzf3XcT1r36WTULJls
oauth_callbacknull
oauth_version1.0

返回结果：

oauth_token=hdk48Djdsa&oauth_token_secret=xyz4992k83j47x0b&oauth_callback_confirmed=true

参数名参数值
oauth_tokenhdk48Djdsa
oauth_token_secretxyz4992k83j47x0b
oauth_callback_confirmedtrue

请求用户授权Request Token

此步骤的目的是请求用户授权Request Token，请求URL：

https://open.t.qq.com/cgi-bin/authorize

请求参数:

参数意义
oauth_token上一步中获得的未授权的Request Token

返回参数:

参数意义
oauth_token用户授权之后的Token值，与未授权Token值相同。
oauth_verifier验证码

说明：

①此页面中会要求用户登陆，然后选择同意或者拒绝对应用授权。

②授权成功后:

  • A: web应用会重定向到oauth_callback所指定的URL（含返回参数）。
  • B: 客户端应用(oauth_callback=null)会在网页中给出授权码，用户需要手工将验证码输入到应用中才能完成授权流程。

示例：

参数意义
oauth_tokenhdk48Djdsa
oauth_verifier473f82d3

oauth_token=hdk48Djdsa&oauth_verifier=473f82d3

使用授权后的Request Token换取Access Token

用户完成授权后，第三方应用可以通过访问如下url，将已授权的Request Token换取Access Token。Access Token将被用于访问或修改受限资源。

https://open.t.qq.com/cgi-bin/access_token

请求参数:

参数意义
oauth_consumer_keyAppKey
oauth_token第一步中获得的Request Token
oauth_signature_method签名方法，暂只支持HMAC-SHA1
oauth_signature签名值，密钥为：App Secret&Request Token Secret。计算说明。
oauth_timestamp时间戳, 其值是距1970 00:00:00 GMT的秒数，必须是大于0的整数
oauth_nonce单次值，随机生成的32位字符串，防止重放攻击（每次请求必须不同）
oauth_verifier上一步请求授权request token时返回的验证码
oauth_version(可选)版本号，有的话必须为“1.0”

返回参数:

参数意义
oauth_tokenAccess Token
oauth_token_secreateAccess Token Secret

说明：

  • ①本步骤用于签名的密钥为App Secret和Request Token Secret(中间使用&分隔)
  • ②获得返回值后就可以使用Access Token来访问资源了。
  • ③Access Token和Access Token Secret永远不会过期，直到用户撤销应用授权或腾讯回收您的app访问权限才会失效。

    • 用于签名的Signature Base String格式如下：

      示例：access_token:

      https://open.t.qq.com/cgi-bin/access_token?oauth_consumer_key=aca77d2eb96f46e1b3353bc6743e8bfc&oauth_nonce=y2FrX7Muouma5vxWTKngEb7uHkRu4P5u&oauth_signature=209vcEaHkmb/QwHqsRU3HRPvlqw=&oauth_signature_method=HMAC-SHA1&oauth_timestamp=1299569210&oauth_token=6b99583b7bc8446bb57e86128158994f&oauth_verifier=877973&oauth_version=1.0

      参数意义
      oauth_consumer_keyaca77d2eb96f46e1b3353bc6743e8bfc
      oauth_token6b99583b7bc8446bb57e86128158994f
      oauth_signature_methodHMAC-SHA1
      oauth_signature209vcEaHkmb/QwHqsRU3HRPvlqw=
      oauth_timestamp1299569210
      oauth_noncey2FrX7Muouma5vxWTKngEb7uHkRu4P5u
      oauth_verifier877973
      oauth_version(可选)1.0

      返回结果：

      oauth_token=nnch734d00ls2jdk&oauth_token_secreate=pdkkdhi9sl3r4s00

      参数意义
      oauth_tokenoauth_token_secreate
      nnch734d00ls2jdkpdkkdhi9sl3r4s00

      至此，您的应用就取得了用户的授权，请妥善保管获得的Access Token和Access Token Secret。

      此后，您的应用就可以使用该Access Token访问腾讯微博了。

      使用Access Token访问腾讯微博

      获得Access Token之后，您的应用就可以使用该Access Token访问腾讯微博。

      在每次调用接口API时，请求都必须包含以下参数：

      参数意义
      oauth_consumer_keyAppKey
      oauth_tokenAccess Token
      oauth_signature_method签名方法，暂只支持HMAC-SHA1
      oauth_signature签名值，密钥为：App Secret&Access Token Secret。计算说明。
      oauth_timestamp时间戳
      oauth_nonce单次值

      示例：

      调用API：http://open.t.qq.com/api/t/add 发布一条微博：

      参数包括：
      1）接口参数：content和format；
      2）OAuth协议参数

      参数参数值
      content%E6%9D%A5%E8%87%AA%23weibo_SDK%23%E7%9A%84%E6%B5%8B%E8%AF%95%E6%B6%88%E6%81%AF%EF%BC%81
      formatjson
      oauth_consumer_keyaca77d2eb96f46e1b3353bc6743e8bfc
      oauth_nonceTld5QvrtTlRJvaSWPlCC7DIXxnTBeumD
      oauth_signatureJuPSe7ibf0uPECp4HcX4Fu9y3l0=
      oauth_signature_methodHMAC-SHA1
      oauth_timestamp1299569293
      oauth_tokenb8c8f1a888ea4f2887eac88787b6e895
      oauth_version1.0

      post:

      http://open.t.qq.com/api/t/add?content=%E6%9D%A5%E8%87%AA%23weibo_SDK%23%E7%9A%84%E6%B5%8B%E8%AF%95%E6%B6%88%E6%81%AF%EF%BC%81&format=json&oauth_consumer_key=aca77d2eb96f46e1b3353bc6743e8bfc&oauth_nonce=Tld5QvrtTlRJvaSWPlCC7DIXxnTBeumD&oauth_signature=JuPSe7ibf0uPECp4HcX4Fu9y3l0=&oauth_signature_method=HMAC-SHA1&oauth_timestamp=1299569293&oauth_token=b8c8f1a888ea4f2887eac88787b6e895&oauth_version=1.0

AI模型：规模越大，效果是否越好？
ByteSparkX的博客
10-01 1084
更大规模的模型需要更多的计算资源来进行训练和推理，这意味着更高的成本和更长的训练时间。此外，更大规模的模型也需要更多的存储空间来保存参数，这可能会限制模型在特定设备上的部署。更大的模型需要更多的计算资源来进行训练和推理，这意味着更高的成本和更长的训练时间。此外，更大的模型也需要更多的存储空间来保存参数，这可能会限制模型在特定设备上的部署。通过实验我们可以观察到，在这个简单的线性回归任务中，不同规模的模型表现出不同的性能。一般来说，模型参数越多，模型对数据的拟合能力就越强，从而可能得到更好的性能。
大语言模型的“大”体现在哪里
Hanscal
03-09 926
​上图中我们可以看到一台8卡的A100(80G)的服务器大概可以提供的计算量为5PFlop/s-day，假设GPT4有万亿参数量，其大概需要的计算量为75352 PFlop/s-day，如果需要15天训练完成的话，估计需要万卡的GPU集群。所以，大语言模型的规模不仅体现在参数数量上，还包括训练数据、计算资源上，这些“大”使得大规模语言模型的泛化能力和应用领域等都得到极大增强。大语言模型通常是通过大规模的文本数据进行训练的，这些数据包含了丰富的语言信息，有助于模型学习更准确的语言表示。
大语言模型(LLM) 参数量 概念
qq_41045651的博客
03-12 4499
大语言模型（Large Language Model，LLM）参数量是指模型中可调整的参数的数量，通常用来衡量模型的大小和复杂程度。综上所述，LLM作为一种强大的自然语言处理模型，其大规模的参数量使得其能够处理和生成大规模的文本数据，但同时也需要应对计算资源需求高、过拟合等挑战。LLM处理的文本数据通常需要进行词嵌入（Word Embedding），词嵌入矩阵的大小与词汇表的大小相关，这也会对模型的参数量产生影响。大规模的参数量增加了模型的复杂度，使得调参变得更加困难，需要更加细致的调整和优化。
【重要】衡量不同问题模型性能的指标
weixin_44943389的博客
10-09 136
衡量模型性能的指标取决于所解决的问题类型。
【大模型】大模型参数量与底层算力资源之间的关系
沐风—云端行者
07-04 2211
在当前的AI时代，深度学习模型的规模不断扩大，从早期的几百万参数到现在的几十亿甚至万亿参数，大模型成为了推动AI性能突破的关键。庞大的模型参数和训练数据需要充足的存储空间，而高速的数据读取和交换则对系统的I/O带宽提出了高要求。通过分析已有的大模型训练实例，如GPT-3、BERT等，可以得到不同参数量模型的训练时间和资源消耗，以此作为参考，为新的模型设计提供估算依据。尽管大模型能够拟合复杂的函数，但如果没有足够的数据支持，很容易发生过拟合，即模型在训练数据上表现优异，但在新数据上的泛化能力差。
大模型模型大小与推理性能的关系-scale law
weixin_40777649的博客
05-20 1543
2.5 baichuan2 报告中，使用loss与flops的关系、模型参数量与flops的关系，预测大模型的性能loss、与数据量。3.2 假设输入X=(Batch,seq_len,hidden),Batch=b, seq_len=s,hidden=d, 求计算量？如： 根据参数量与flops 的关系，获取flops 的大小，再根据scale law,C=6ND, 获取训练tokens.根据scale law 定律，C=6ND, N~C^a, D~C^b， a+b=1。MLP 层 W1=R^d。
AI大模型并不是规模越大效果越好
zz12345600354的博客
06-29 398
一个很多人都会感兴趣的问题：大模型是不是参数规模越大越好？鹏城-百度·文心大模型，作为全球首个知识增强的千亿大模型，参数规模达到2600亿，相比GPT-3的参数量提升50%。大模型的全称是“AI预训练大模型”，“预训练”的意思是：预先训练好，这样应用开发者可得到相对现成的训练结果，基于此直接开发AI应用，不再需要从0到1训练数据、建立模型，避免重复造轮子的现象出现。参数规模大，意味着进入大规模可复制的产业落地阶段，只需小样本的学习，就能达到比以前更好的效果，这是大规模的好处，但并不是全部。
大语言模型超参数入门调参手册
2401_82469710的博客
05-05 2765
在人工智能的广阔天地中，大语言模型（LLM）正以其强大的能力，不断刷新我们对机器理解语言的认知。然而，要使这些模型在特定应用场景下发挥最大效能，关键在于如何巧妙地调整其超参数。
小白也能看懂 | 大模型的6个评估指标
zhishi0000的博客
05-04 5531
近年来，随着深度学习技术的飞速发展，大型神经网络模型如BERT、GPT-3等已经成为自然语言处理、计算机视觉、语音识别等领域的重要工具。这些模型之所以称为"大型"，是因为它们通常包含数十亿甚至数千亿的参数，比以往的模型要庞大得多。然而，模型的规模庞大并不总是意味着性能更好，因此我们需要一套有效的方法来评估这些大型神经网络的性能。本文将探讨为什么要评估大型神经网络模型，以及如何使用一系列关键指标来评估它们。在深度学习领域，大型神经网络模型已经成为各种应用的核心。
大模型参数揭秘：7B, 13B, 175B的意义与影响
m0_71745484的博客
12-24 1233
大模型也是有大有小的，它们的大小靠参数数量来度量。GPT-3就有1750亿个参数，而Grok-1更是不得了，有3140亿个参数。当然，也有像Llama这样身材苗条一点的，参数数量在70亿到700亿之间。这里说的70B可不是指训练数据的数量，而是指模型中那些密密麻麻的参数。这些参数就像是一个个小小的“脑细胞”，越多就能让模型更聪明，更能理解数据中那些错综复杂的关系。有了这些“脑细胞”，模型在处理任务时可能就会表现得更好。
大语言模型参数真的必须要万亿以上吗？
异构算力老群群（在读985计算机博士生）的技术博客
05-21 1898
大语言模型（LLMs）是深度学习中用于处理自然语言任务的一类模型，它们通过大量的参数来学习和模拟人类语言的复杂性。这些模型通常基于变换器（Transformer）架构，能够捕捉语言中的长距离依赖关系，并在多种语言任务上表现出色，如文本生成、翻译、摘要、问答等。作用文本生成：生成连贯、语法正确的文本。语言理解：理解文本的含义，包括情感分析、意图识别等。翻译：将一种语言的文本翻译成另一种语言。问答系统：回答有关文本内容的问题。摘要生成：生成文本的简短摘要。
大模型基础
m0_57057282的博客
10-11 1024
现在网络太浮躁，对于ai，我们只想使用它们，却不知道具体的原理，所以然。这是一个AI草根的自我救赎，补充基础知识，概念。
写给小白的大模型入门科普
Java癫疯的博客
01-18 698
大模型，英文名叫Large Model，大型模型。早期的时候，也叫Foundation Model，基础模型。大模型是一个简称。完整的叫法，应该是“人工智能预训练大模型”。预训练，是一项技术，我们后面再解释。我们现在口头上常说的大模型，实际上特指大模型的其中一类，也是用得最多的一类——语言大模型（Large Language Model，也叫大语言模型，简称LLM）。除了语言大模型之外，还有视觉大模型、多模态大模型等。现在，包括所有类别在内的大模型合集，被称为广义的大模型。
大模型所谓的参数是什么？大模型为什么需要训练？大模型训练到底干了什么？
python12345_的博客
05-27 1428
大模型的本质是机器学习，机器学习的本质就是一种数学模型。我们经常能听到这样的说法，某某大模型有多少参数，某某大模型参数量又提升了，这里所说的参数到底是什么？我们知道大模型是训练出来的，那么哪些训练数据都跑哪去了，大模型训练的过程中都干了什么？为什么大模型需要训练？01大模型的参数到底是什么？我们知道大模型的发展从刚开始的几百个参数，到现在的上千亿个参数，比如GPT-3就有一千七百多亿个参数。
模型复杂度与硬件性能的衡量
那年聪聪
12-12 954
参数数量、算力、带宽、模型复杂度等
深度解析大模型的关键特性与优势
木南曌的博客
03-22 1092
大模型在经过大规模数据训练后，能在未经见过的场景下表现出良好的泛化能力，即在处理未在训练集中出现过的任务时仍能给出合理的答案或结果，体现出较强的“涌现”能力。总而言之，大模型以其显著的规模优势、强大的泛化能力和广泛的应用前景，正在深度学习和人工智能领域发挥着至关重要的作用，并引领新一轮的技术创新和产业变革。大模型的广泛应用带来了伦理和社会问题的讨论，例如隐私保护、数据偏见、模型可解释性等方面，这些都是大模型发展过程中不容忽视的重要方面。
面试官提问：大模型量化如何确保精确性
2401_84204207的博客
01-17 1011
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
模型大小评估指标
年少的勇气已经用完，剩下的就是三思而后行
05-18 2139
计算量 计算量可以说是评价模型大小最常用的指标了，很多论文在跟 baseline 进行比较时，都会把计算量作为重要的比较依据。 计算量是模型所需的计算次数，反映了模型对硬件计算单元的需求。计算量一般用 OPs (Operations)，即计算次数来表示。由于最常用的数据格式为 float32，因此也常常被写作 FLOPs (Floating Point Operations)，即浮点计算次数。 参数量 参数量是模型中的参数的总和，跟模型在磁盘中所需的空间大小直接相关。对于 CNN 来说参数主要由 Conv/
大语言模型的参数
最新发布
03-15
### 大语言模型的参数规模与架构设计 大语言模型是一种基于深度学习技术构建的语言处理工具，其核心特点在于超大规模的参数数量以及强大的泛化能力。这些模型通常包含数十亿至数千亿个参数，这使得它们能够在多种自然语言处理任务中表现出卓越性能[^1]。 #### 参数规模 大语言模型的参数规模是决定其性能的关键因素之一。随着研究的发展和技术的进步，模型的参数量不断增长。早期的大规模模型可能仅包含数亿个参数，而现代最先进的模型已经达到了上千亿甚至万亿级别的参数规模。这种庞大的参数量有助于捕捉更复杂的模式并提高生成文本的质量。 #### 架构设计 大语言模型的设计涉及多个方面，其中包括但不限于以下几个维度： - **模型架构** 当前主流的大语言模型主要采用Transformer架构作为基础框架。该架构以其高效的自注意力机制（self-attention mechanism）著称，在序列建模任务中表现优异。此外，一些变体如GPT系列和BERT系列也进一步优化了原始Transformer结构以适应特定应用场景的需求[^2]。 - **预训练目标** 预训练阶段的目标函数对于最终模型效果至关重要。常见的方法包括掩码语言建模（Masked Language Modeling, MLM）、因果预测（Causal Prediction），以及其他创新性的无监督或弱监督学习策略。不同的预训练方式会影响下游任务的表现及适用范围。 - **适配与微调** 在实际应用过程中，通用型大语言模型往往需要针对具体场景进行调整或者微调操作。这一过程可以通过多任务联合训练（Multitask Fine-Tuning）等方式实现，从而让模型更好地服务于某一类专门用途的任务集合。 ```python import torch.nn as nn class TransformerModel(nn.Module): def __init__(self, vocab_size, d_model, nhead, num_encoder_layers, num_decoder_layers): super(TransformerModel, self).__init__() self.transformer = nn.Transformer(d_model=d_model, nhead=nhead, num_encoder_layers=num_encoder_layers, num_decoder_layers=num_decoder_layers) self.fc_out = nn.Linear(d_model, vocab_size) def forward(self, src, tgt): output = self.transformer(src, tgt) return self.fc_out(output) ``` 上述代码展示了一个简化版的Transformer模型定义，它体现了如何利用PyTorch库来搭建基本的神经网络层用于NLP任务中的序列转换问题解决思路。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值