Nginx Proxy Manager 中 ERR_SSL_UNRECOGNIZED_NAME_ALERT 错误分析与解决方案
问题背景
近期,许多使用 Nginx Proxy Manager (NPM) 的用户报告了在 Chromium 内核浏览器中出现的 ERR_SSL_UNRECOGNIZED_NAME_ALERT 错误。该问题表现为访问通过 NPM 代理的 HTTPS 站点时,浏览器会突然显示 SSL 证书识别错误,而同一时间 Firefox 等非 Chromium 浏览器却能正常访问。
问题现象分析
根据用户反馈,该问题具有以下特征:
- 浏览器特异性:仅影响 Chromium 内核浏览器(Chrome、Edge 等),Firefox 不受影响
- 间歇性出现:有时刷新页面可以暂时恢复访问,但不久后问题重现
- 网络环境相关:主要出现在本地网络环境中,通过外部网络访问通常正常
- 证书无关性:使用 Let's Encrypt 通配符证书、域名证书或商业证书(如 RapidSSL)都会出现此问题
根本原因探究
经过技术分析,该问题可能由多种因素共同导致:
1. IPv6 DNS 解析干扰
在配置了 Pi-hole 等本地 DNS 服务器的环境中,系统可能同时返回 IPv4 和 IPv6 地址。当本地 DNS 配置不当时,浏览器可能获取到错误的 IPv6 地址(如 CDN 隧道地址),导致 SSL 证书验证失败。
2. 浏览器 HSTS 机制影响
Chromium 浏览器严格的 HSTS(HTTP Strict Transport Security)策略可能导致证书预取和缓存行为异常。当内部和外部证书不一致时,浏览器可能错误地应用了缓存的证书信息。
3. 分域 DNS 配置问题
在分域 DNS(Split DNS)环境中,内部和外部解析结果不一致可能导致证书验证混乱。特别是当某些子域名仅配置了外部解析时,可能影响浏览器对相关域名的证书验证行为。
解决方案
方案一:禁用 IPv6 DNS 解析(针对 Pi-hole 用户)
对于使用 Pi-hole 作为本地 DNS 服务器的用户,可以通过以下步骤解决问题:
- 创建或编辑
/etc/dnsmasq.d/99-disable-ipv6.conf文件 - 添加以下内容:
address=/yourdomain.com/ - 重启 Pi-hole 服务
此配置强制所有对该域名的查询仅返回 IPv4 地址,避免 IPv6 解析带来的干扰。
方案二:调整 NPM 高级配置
在 Nginx Proxy Manager 的代理主机高级配置中添加以下指令:
proxy_ssl_name $host;
proxy_ssl_server_name on;
这些指令确保 SSL 握手时正确传递主机名信息。
方案三:统一内外网证书
确保内部和外部访问使用相同的证书策略。如果使用 Let's Encrypt 证书,可以考虑:
- 为内部访问也配置有效的公网证书
- 或者为外部访问使用与内部相同的证书颁发机构
方案四:检查并完善分域 DNS 配置
确保所有相关的子域名在内部 DNS 中都有正确配置,避免部分域名解析依赖外部 DNS 的情况。特别是:
- 检查所有子域名的解析记录
- 确保 IPv4 和 IPv6 解析结果一致
- 验证 DNS 查询是否按预期返回结果
预防措施
- 定期检查证书配置:确保证书包含所有需要的主机名,且未临近过期
- 监控 DNS 解析:定期验证本地和外部 DNS 解析结果是否一致
- 浏览器缓存管理:在测试配置变更时,使用隐身模式或清除浏览器缓存
- 日志分析:检查 NPM 和浏览器开发者工具中的详细错误信息,帮助定位问题
总结
Nginx Proxy Manager 中的 ERR_SSL_UNRECOGNIZED_NAME_ALERT 错误通常不是由单一因素引起,而是网络配置、DNS 解析和浏览器安全策略共同作用的结果。通过系统性地检查 DNS 配置、统一证书策略和调整 NPM 参数,大多数情况下可以解决这一问题。对于运维人员来说,建立规范的证书管理和 DNS 配置流程是预防此类问题的关键。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00