Mongoose项目中TLS握手Finish消息异常问题分析
2025-05-20 07:44:14作者:宣聪麟
问题背景
在Mongoose网络库的使用过程中,部分开发者遇到了TLS握手阶段的一个异常情况。具体表现为在mg_tls_server_recv_finish函数中,预期接收的是MG_TLS_FINISHED消息,但实际上却收到了MG_TLS_SERVER_HELLO消息,这种情况主要出现在与Chrome浏览器交互时。
技术细节
TLS握手协议是一个多阶段的复杂过程,正常情况下应该按照以下顺序进行:
- Client Hello
- Server Hello
- Certificate
- Server Key Exchange
- Server Hello Done
- Client Key Exchange
- Change Cipher Spec
- Finished
在Mongoose的实现中,mg_tls_server_recv_finish函数原本期望在特定阶段只接收Finished消息,但实际网络环境中,Chrome浏览器在某些情况下会再次发送Server Hello消息,而不是预期的Finished消息。
解决方案
针对这一特殊情况,开发者提出了一个兼容性解决方案:在接收消息时,不仅检查Finished消息,也允许接收Server Hello消息。具体实现是在消息类型检查时增加一个条件分支:
recv_buf = &c->rtls.buf[tls->recv_offset];
if (recv_buf[0] == MG_TLS_SERVER_HELLO) {
// 处理服务器再次发送Server Hello的情况
} else if (recv_buf[0] != MG_TLS_FINISHED) {
mg_error(c, "expected Finish but got msg 0x%02x", recv_buf[0]);
return -1;
} else {
mg_tls_drop_message(c);
}
技术分析
这种现象可能有几个原因:
- Chrome浏览器实现了某种TLS会话恢复机制,在特定条件下会重新发起Server Hello
- 网络中间件可能导致消息重传或顺序变化
- TLS协议版本或扩展协商过程中的特殊情况
从协议兼容性角度考虑,Mongoose作为服务器实现,确实应该能够处理这种非标准但实际存在的网络行为。这种修改增加了协议的健壮性,使其能够更好地适应各种客户端实现。
最佳实践建议
对于网络协议实现,特别是安全协议如TLS,建议:
- 在严格遵循协议规范的同时,适当考虑实际网络环境中的各种特殊情况
- 增加对非预期但无害消息的兼容处理
- 完善错误日志记录,便于问题诊断
- 对于安全关键操作,仍要保持严格的验证机制
这种处理方式体现了"宽容地接收,严格地发送"的网络编程原则,既保证了安全性,又提高了兼容性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
859
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
687
1.35 K
Ascend Extension for PyTorch
Python
721
893
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
446
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
620
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
255