AWS SDK for C++ 在 iOS 应用商店审核中的加密 API 问题解析
在 iOS 应用开发中,使用 AWS SDK for C++ 时可能会遇到一个棘手的问题:应用在上传至 App Store Connect 时被拒绝,原因是引用了苹果的非公开 API。本文将深入分析这一问题的成因、影响范围以及解决方案。
问题现象
开发者在使用最新版 AWS SDK for C++(1.11.561 静态库版本)构建 iOS 应用时,App Store 审核会返回以下错误信息:
应用在 Payload/App.app 中引用了非公开符号:
_CCCryptorGCMAddAAD, _CCCryptorGCMFinalize, _CCCryptorGCMSetIV
这些符号属于苹果的 CommonCrypto 框架中的私有 API,苹果严格禁止应用商店中的应用使用这些非公开接口。
技术背景
AWS SDK for C++ 的加密功能依赖于其底层库 aws-c-cal。该库在 Darwin(苹果操作系统)平台上默认会使用 CommonCrypto 框架来实现加密算法,包括 AES-GCM 加密相关的功能。为了提高性能,aws-c-cal 直接调用了 CommonCrypto 中的一些高级加密接口,而这些接口恰好是苹果未公开的。
解决方案
AWS 团队已经为这个问题提供了官方解决方案。开发者可以通过在构建配置中添加特定参数来规避这个问题:
- 在 CMake 配置中添加
-DAWS_APPSTORE_SAFE=ON参数 - 这将启用 aws-c-cal 中的安全模式,避免使用那些会导致审核失败的私有 API
需要注意的是,启用此选项后,AES-GCM 加密功能将无法正常工作。但对于大多数使用场景(如使用 libcurl 进行 TLS 通信或进行 SigV4 签名),这个限制不会产生影响。
构建建议
对于 iOS 应用开发,推荐使用以下构建配置:
cmake . -B ./build -G Xcode \
-DCMAKE_BUILD_TYPE=Release \
-DCPP_STANDARD=17 \
-DBUILD_SHARED_LIBS=OFF \
-DTARGET_ARCH=APPLE \
-DCMAKE_OSX_SYSROOT=iphoneos \
-DCMAKE_OSX_ARCHITECTURES=arm64 \
-DCMAKE_OSX_DEPLOYMENT_TARGET="13.0" \
-DAWS_APPSTORE_SAFE=ON
技术影响
启用 AWS_APPSTORE_SAFE 后,SDK 的加密行为会有以下变化:
- 签名验证和哈希计算会回退到使用苹果的 CommonCrypto 公开接口
- TLS 通信仍可使用开发者提供的 OpenSSL 静态库
- 系统会避免所有可能触发审核问题的私有 API 调用
结论
对于需要在 iOS 平台发布应用的开发者,使用 AWS_APPSTORE_SAFE 选项是确保应用通过苹果审核的必要步骤。AWS 团队已经将此修复合并到主分支,开发者可以放心使用最新版本的 SDK 进行开发。
这个问题也提醒我们,在使用第三方 SDK 时,特别是涉及系统级功能的库,需要特别注意其对平台私有 API 的依赖情况,并在构建配置中进行适当的调整以确保合规性。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00