Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com24. August 2025 · Q010190

Swift Keychain. A Safer Place for Local Data.

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Artikel erklärt anhand von Swift-Code die Keychain-Operationen für generische Passwörter: speichern, mit denselben Suchmerkmalen abrufen, bei Duplikaten aktualisieren und löschen. Er weist unter anderem auf mögliche Authentifizierung beim Passwortabruf, nicht exportierbare Schlüssel und blockierende Aufrufe hin.

Mittel

Itsukis Artikel zeigt anhand eines Swift-Beispiels, wie eine App generische Passwörter in der Keychain sichern, finden, aktualisieren und löschen kann. Die Keychain wird als verschlüsselte Datenbank beschrieben, deren Dienste Speicherung und Zugriff verwalten. Zum Anlegen dient `SecItemAdd`; Klasse, Dienst und Konto bilden im Beispiel die Suchmerkmale. Wird derselbe Eintrag erneut angelegt, meldet die Funktion laut Artikel `errSecDuplicateItem`. Der Autor empfiehlt, für alle Operationen dieselben Schlüsselattribute zu verwenden.

Für den Abruf ergänzt das Beispiel die Abfrage um Rückgabe von Daten und Attributen und nutzt `SecItemCopyMatching`. Da das Konto für die Anmeldung womöglich erst noch ermittelt werden muss, schlägt der Autor vor, es separat zu speichern. Updates erfolgen mit `SecItemUpdate`, etwa nach einem doppelten Eintrag; gelöscht wird über `SecItemDelete`. Ein nicht gefundener Eintrag gilt im beschriebenen Abmeldefall nicht als App-Fehler. Die Keychain-Aufrufe könnten den aufrufenden Thread blockieren, weshalb die Beispielmethoden `async` sind. Der Beitrag nennt Einschränkungen: Passwortdaten können zusätzliche Authentifizierung erfordern, Schlüsselmaterial ist möglicherweise nicht exportierbar, und das stapelweise Hinzufügen sei nur für Nicht-Passwort-Einträge unterstützt. Er bietet eine praktische Einführung, aber keine umfassende Sicherheitsanalyse.

Ausführlich lesen

Der Artikel von Itsuki beschreibt, wie eine iOS- oder macOS-App mit Swift generische Passwörter in der Keychain speichert und später abruft, aktualisiert oder löscht. Als Beispiel dienen Konto und Passwort für eine Anmeldung, damit die App Anmeldedaten erneut verwenden kann. Der Autor erklärt, die Keychain sei eine verschlüsselte Datenbank auf dem Gerät; Keychain Services übernehmen Speicherung und Verschlüsselung, und autorisierte Apps können Einträge suchen und entschlüsseln.

Zum Speichern wird ein Abfrage-Wörterbuch mit der Eintragsklasse `kSecClassGenericPassword` sowie den Attributen für Dienst und Konto erstellt. Diese Attribute dienen dem Artikel zufolge zusammen als zusammengesetzter Schlüssel, über den ein Eintrag wiedererkannt wird. Weitere Schlüssel hängen von der Eintragsklasse ab. Mit `kSecValueData` werden die Passwortdaten übergeben; `SecItemAdd` fügt den Eintrag hinzu. Ein erneuter Eintrag mit denselben Schlüsselattributen führt laut Artikel zu `errSecDuplicateItem`. Der Autor empfiehlt, dieselben Schlüssel auch für Suche, Aktualisierung und Löschung zu verwenden, damit der passende Eintrag adressiert wird. Ein optionales Ergebnis von `SecItemAdd` kann eine Referenz auf den neuen Eintrag liefern; referenzierte Objekte müssen dann freigegeben werden. Für verständlichere Statusmeldungen stellt der Artikel `SecCopyErrorMessageString` vor.

Beim Abruf ergänzt das Beispiel die Abfrage um Rückgabe der Daten und Attribute sowie eine Begrenzung auf einen Treffer. `SecItemCopyMatching` liefert einen Statuscode und das Ergebnis; das Beispiel prüft die Daten, wandelt sie in eine Zeichenkette um und gleicht das zurückgegebene Konto ab. Ist das Konto für die Suche nicht bekannt, schlägt der Autor vor, es separat zu speichern, etwa in Core Data, SwiftData oder UserDefaults, da es selbst kein Geheimnis sei. Er weist darauf hin, dass Passwortdaten bei Zugriff zusätzliche Authentifizierung erfordern können und dass Daten kryptografischer Schlüssel möglicherweise nicht exportierbar sind, etwa bei Schutz durch die Secure Enclave. Für Schlüssel empfiehlt der Artikel daher `SecKeyCopyExternalRepresentation` und die Prüfung des Fehlerparameters. Außerdem seien die Rückgabe von Passwortdaten und die Begrenzung auf alle Treffer nicht kombinierbar, weil jeder Passwortabruf zusätzliche Authentifizierung verlangen könne.

Zum Aktualisieren zeigt der Autor, wie die App zunächst `SecItemAdd` aufruft und bei `errSecDuplicateItem` mit `SecItemUpdate` das Passwort ersetzt. Als Alternative nennt er eine vorherige Existenzprüfung per `SecItemCopyMatching`. Zum Löschen verwendet das Beispiel `SecItemDelete` mit denselben Schlüsselattributen. Die Funktion lösche standardmäßig alle passenden Einträge; `errSecItemNotFound` behandelt der Autor im konkreten Abmelde-Szenario nicht als Anwendungsfehler, weil das gewünschte Ergebnis – kein gespeichertes Passwort – bereits erreicht sei. Referenzen können laut Text auch zur gezielten Löschung dienen.

Der Autor kennzeichnet die Keychain-Aufrufe als möglicherweise blockierend und versieht die Beispielmethoden deshalb mit `async`, obwohl in ihnen kein `await` vorkommt. Der Beitrag ist eine praktische Einführung anhand eines generischen Passworts; er liefert keine systematische Sicherheitsanalyse oder Messwerte zum Laufzeitverhalten. Mehrere Hinweise werden ausdrücklich auf bestimmte Eintragsarten oder Bedingungen beschränkt, etwa das stapelweise Hinzufügen, das laut Artikel nur für Nicht-Passwort-Einträge unterstützt wird.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Es wurden keine Fragen zur Einordnung angegeben, daher bleibt die Einordnung leer. Die Zusammenfassungen stimmen mit dem Bericht überein; Angaben wie Authentifizierung, nicht exportierbare Schlüssel und blockierende Aufrufe sind im Bericht belegt.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Empfehlung, das Konto separat zu speichern (z. B. Core Data, UserDefaults), fehlt in der Kurzfassung

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle

Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →