Back In Time 备份工具在Raspberry Pi上的SSH密钥识别问题分析
2025-07-02 15:10:37作者:牧宁李
Back In Time是一款基于rsync的Linux备份工具,近期在Raspberry Pi 4(运行Bookworm系统)上出现了一个与SSH密钥识别相关的技术问题。本文将详细分析该问题的现象、原因以及可能的解决方案。
问题现象
在Raspberry Pi 4设备上运行Back In Time 1.3.3版本时,当尝试从远程配置文件恢复设置后,工具会反复提示ECDSA认证失败,并要求将密钥添加到known_hosts文件中。尽管观察发现密钥确实已被添加到known_hosts中,但Back In Time似乎无法识别这一变化,持续弹出添加密钥的请求。
关键发现
通过手动使用ssh-keygen命令(不带-H参数)添加密钥后,问题意外得到解决。这表明问题可能与密钥的哈希处理方式有关。值得注意的是,在未哈希化处理的主机地址情况下,Back In Time能够正确识别密钥并正常工作。
深入分析
进一步测试发现,当在Back In Time设置中修改主机名的大小写时,会触发错误消息,提示ECDSA指纹问题。然而,实际使用的是ED25519私钥,这表明可能存在密钥类型识别上的混淆。
环境因素
该问题出现在特定环境下:
- 硬件:Raspberry Pi 4
- 操作系统:Debian 12 (Bookworm) 64位
- Back In Time版本:1.3.3
- SSH服务器:Netgear NAS RN212(可能对ECDSA密钥支持不完全)
- 网络配置:通过XR500路由器进行端口转发,使用动态域名
可能原因
- 密钥哈希处理问题:Back In Time可能对known_hosts文件中哈希化处理的主机地址识别存在缺陷
- 密钥类型混淆:工具可能错误地将ED25519密钥识别为ECDSA类型
- 主机名大小写敏感:测试表明主机名大小写变化会影响认证过程
- 特定环境兼容性问题:Netgear NAS对某些密钥类型的支持可能不完全
解决方案建议
- 手动添加非哈希化密钥:使用ssh-keygen命令手动添加未哈希化的密钥到known_hosts文件
- 统一使用小写主机名:确保在Back In Time设置中使用全小写的主机名
- 检查密钥类型兼容性:确认NAS设备对所用密钥类型的支持情况
- 收集调试信息:使用--debug参数运行Back In Time以获取更详细的错误信息
总结
这个问题展示了在特定环境下SSH认证流程可能出现的一些微妙问题。对于使用Back In Time进行远程备份的用户,特别是搭配特定NAS设备和Raspberry Pi硬件时,需要注意密钥管理和主机名设置的细节。虽然手动解决方案有效,但这也提示了Back In Time在密钥识别逻辑上可能存在需要改进的地方。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217