Element-Android项目中脱水设备会话加密问题分析
2025-06-24 07:35:33作者:翟江哲Frasier
问题背景
在Element-Android即时通讯应用中,用户报告了一个关于设备脱水(Dehydrated Device)功能与端到端加密交互的问题。当用户启用设备脱水功能后登出,其他用户发送的加密消息在重新登录后无法解密,出现"无法解密消息"(UTD)的错误。
技术原理
设备脱水是Matrix协议中的一项重要功能,它允许客户端在用户登出时保留加密密钥,以便重新登录后能够恢复会话。该功能通过以下机制实现:
- 客户端在登出前将加密密钥安全存储
- 服务器保留设备标识信息
- 重新登录时恢复密钥和会话状态
问题根源
经过技术分析,发现问题出在密钥查询请求的处理过程中:
- 客户端向服务器发送/keys/query请求获取设备密钥
- 服务器响应中包含带有"dehydrated"属性的设备密钥
- 客户端解析响应时使用了DeviceKeysWithUnsigned数据结构
- 该数据结构未包含"dehydrated"字段,导致属性丢失
- 密钥签名验证因数据结构改变而失败
影响范围
该问题不仅影响Android客户端,iOS客户端也存在类似情况。主要影响场景包括:
- 启用了设备脱水功能的用户
- 用户登出期间接收的加密消息
- 使用最新版本客户端的用户
解决方案建议
要解决此问题,需要对密钥处理逻辑进行以下改进:
- 修改DeviceKeysWithUnsigned数据结构,使其能够保留未知属性
- 确保密钥解析过程不影响原始签名数据
- 增加对脱水设备密钥的特殊处理逻辑
- 完善错误处理机制,提供更明确的错误信息
技术实现细节
在具体实现上,建议采用以下方法:
- 使用灵活的数据结构(如Map)来存储设备密钥属性
- 在签名验证前确保数据结构完整性
- 添加对脱水设备状态的专门处理
- 完善日志记录,便于问题诊断
用户影响
修复此问题后,用户将获得以下改进体验:
- 脱水设备功能可以正常使用
- 登出期间的消息能够正确解密
- 加密会话的可靠性提高
- 整体安全性能得到保障
总结
Element-Android中的这一加密问题揭示了在实现高级安全功能时需要注意的数据处理细节。通过改进密钥解析逻辑,可以确保设备脱水功能与端到端加密的无缝协作,为用户提供更稳定、安全的通讯体验。这也提醒开发者在处理加密数据时需要特别注意数据完整性和签名验证的关系。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218