JJWT库中HS256签名验证失败问题解析
2025-05-22 04:19:55作者:秋泉律Samson
在使用Java JWT(JJWT)库进行JWT签名和验证时,开发者可能会遇到"无法验证JWS签名:找不到JWS的签名验证密钥"的错误。本文将深入分析这一问题的根源,并提供正确的解决方案。
问题现象
当开发者尝试使用JJWT库创建并验证一个HS256算法的JWT时,可能会遇到以下错误:
Cannot verify JWS signature: unable to locate signature verification key for JWS with header: {alg=HS256}
问题根源
这个问题的核心在于密钥处理方式不正确。在示例代码中,开发者首先将原始密钥进行Base64编码,然后又使用JJWT的Decoders.BASE64进行解码,这种双重处理导致了密钥内容被错误转换。
具体来说:
- 原始密钥"abcdefghijklmnopqrstuvwxyz0123456789"被直接Base64编码
- 编码后的结果又被Base64解码
- 这实际上不是还原原始密钥,而是进行了双重转换
正确的密钥处理方式
对于HS256算法,密钥应该直接使用原始字节,或者仅进行一次Base64编码/解码。以下是两种正确的处理方式:
方式一:直接使用原始密钥
String secureKey = "abcdefghijklmnopqrstuvwxyz0123456789";
SecretKey secretKey = Keys.hmacShaKeyFor(secureKey.getBytes(StandardCharsets.UTF_8));
方式二:正确使用Base64编码的密钥
String secureKey = "YWJjZGVmZ2hpamtsbW5vcHFyc3R1dnd4eXowMTIzNDU2Nzg5"; // 这是原始密钥的Base64编码
SecretKey secretKey = Keys.hmacShaKeyFor(Decoders.BASE64.decode(secureKey));
完整正确示例
// 直接使用原始密钥
String secureKey = "abcdefghijklmnopqrstuvwxyz0123456789";
SecretKey secretKey = Keys.hmacShaKeyFor(secureKey.getBytes(StandardCharsets.UTF_8));
// 创建JWT
String jwt = Jwts.builder()
.subject("100")
.issuedAt(new Date(System.currentTimeMillis()))
.expiration(new Date(System.currentTimeMillis() + 1000_0))
.signWith(secretKey)
.compact();
// 验证JWT
Jwts.parser()
.verifyWith(secretKey)
.build()
.parseSignedClaims(jwt);
技术要点
-
密钥长度要求:HS256算法要求密钥长度至少为256位(32字节)。示例中的密钥"abcdefghijklmnopqrstuvwxyz0123456789"正好满足这一要求。
-
密钥处理:JJWT的
Keys.hmacShaKeyFor方法期望接收的是原始密钥字节,而不是Base64编码后的字符串。 -
错误使用场景:示例中尝试对加密的JWT进行解析(
parseEncryptedClaims)是不正确的,因为创建的是签名的JWT而非加密的JWT。
最佳实践建议
-
对于生产环境,建议使用密钥生成工具创建足够强度的密钥,而不是硬编码在代码中。
-
考虑使用环境变量或密钥管理系统来存储密钥,而不是直接写在源代码中。
-
对于不同的安全需求,可以选择更强大的算法如RS256或ES256,它们使用非对称加密,提供更好的安全性。
通过理解这些关键点,开发者可以避免在使用JJWT库时遇到类似的签名验证问题,确保JWT的安全创建和验证流程正确无误。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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