Mongoose项目中TLS握手Finish消息异常问题分析
2025-05-20 10:54:04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
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