Nano Hash - криптовалюты, майнинг, программирование

Как создать PasswordValidator, который извлекает параметры проверки из базы данных или контроллера?

Я настраиваю веб-сайт MVC.NET 4.5 с ASP.NET Identity Core 2.2.1.

Моя цель - иметь возможность редактировать параметры проверки пароля в представлении веб-сайта и сохранять эти правила проверки в БД. Я хотел бы, чтобы валидатор паролей использовал эти правила для проверки паролей при регистрации. Он должен иметь возможность использовать разные наборы правил проверки для разных страниц регистрации в течение одного и того же времени выполнения.

Реализация PasswordValidator по умолчанию находится в файле identityConfig. Я понимаю, что вы можете создавать собственные валидаторы паролей для пользовательских правил проверки (т. е. использовать выражения регулярных выражений для проверки).

Как создать собственный PasswordValidator, который извлекает правила проверки (либо с помощью пользовательской модели ValidationRulesModel, либо через строку регулярного выражения) из БД или правила, переданные контроллером?
Возможно ли это или мне нужно искать другие решения? ?

Спасибо!

asp.net-mvc asp.net-identity
26.02.2016

Ответы:


1

Сначала вы можете создать отдельный класс CustomPasswordValidator, который наследуется от IIdentityValidator<string>. Затем вы можете реализовать логику проверки в методе ValidateAsync(T). Там вы получите правила из БД и проверите их на соответствие переданному строковому аргументу.

Тогда я предполагаю, что вы используете своего рода класс ApplicationUserManager, производный от UserManager. Добавьте параметр конструктора типа IIdentityValidator<string> в ApplicationUserManager, назначьте его свойству PasswordValidator.

Экземпляр ApplicationUserManager, созданный с экземпляром CustomPasswordValidator в качестве аргумента, будет проверять ваши пароли на соответствие правилам БД.

Чтобы узнать, когда называется именно PasswordValidator свойство.

26.02.2016
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..