AWS SDK Rust 中预签名 URL 因校验和头导致验证失败问题分析
2025-06-26 11:08:38作者:羿妍玫Ivan
问题背景
在 AWS SDK Rust 的 S3 客户端使用过程中,开发者在生成预签名 URL 时遇到了签名验证失败的问题。具体表现为当使用 presigned() 方法生成预签名 URL 后,实际请求时服务端返回错误,提示存在未签名的头信息 x-amz-checksum-mode。
问题现象
当开发者使用以下代码生成预签名 URL 时:
let presigning_config = PresigningConfig::builder()
.expires_in(get_expiry())
.build()
.unwrap();
let request = client
.get_object()
.bucket(bucket_name)
.key(key)
.request_payer(RequestPayer::Requester)
.presigned(presigning_config)
.await?;
生成的预签名 URL 会包含两个头信息:
x-amz-request-payerx-amz-checksum-mode
然而,在 URL 的签名部分 X-Amz-SignedHeaders 参数中,只包含了 x-amz-request-payer,而没有包含 x-amz-checksum-mode。这导致实际请求时,S3 服务端会拒绝请求并返回错误:
<Error>
<Code>AccessDenied</Code>
<Message>There were headers present in the request which were not signed</Message>
<HeadersNotSigned>x-amz-checksum-mode</HeadersNotSigned>
</Error>
技术分析
预签名 URL 的工作原理
预签名 URL 是 AWS S3 提供的一种授权机制,允许客户端生成一个有时效性的 URL,任何持有该 URL 的用户都可以执行指定的操作,而无需 AWS 凭证。其核心原理是:
- 客户端使用 AWS 凭证对请求进行签名
- 签名信息作为查询参数附加到 URL 上
- 服务端收到请求后,使用相同的算法验证签名
问题根源
经过分析,问题的根本原因在于 SDK 的内部处理顺序:
PreSigningInterceptor拦截器执行签名操作HttpResponseChecksumDecorator随后添加了x-amz-checksum-mode头
这种处理顺序导致校验和头被添加到了已签名的请求之后,从而破坏了签名的完整性。正确的处理顺序应该是所有需要签名的头信息都必须在签名前添加完毕。
解决方案
临时解决方案
在官方修复发布前,开发者可以采用以下临时解决方案:
- 设置校验和计算模式为
WhenRequired:
let s3_config = Config::builder()
.request_checksum_calculation(RequestChecksumCalculation::WhenRequired)
.build();
let client = aws_sdk_s3::Client::from_conf(s3_config);
- 手动移除校验和头:
let mut request = client.get_object()...presigned().await?;
request.headers_mut().remove("x-amz-checksum-mode");
官方修复
AWS SDK Rust 团队已经修复了这个问题,修复方案主要调整了内部处理顺序,确保所有需要签名的头信息都在签名前添加。该修复已包含在 1.75.0 版本中发布。
最佳实践建议
- 当使用预签名 URL 时,应当检查生成的 URL 中
X-Amz-SignedHeaders参数是否包含了所有必要的头信息 - 对于生产环境,建议始终使用最新版本的 SDK
- 在测试预签名 URL 时,应当模拟真实客户端的请求方式,包括所有必要的头信息
总结
这个问题展示了 AWS 签名机制对请求完整性的严格要求。任何在签名后对请求的修改都会导致验证失败。开发者在使用预签名 URL 时应当注意请求的最终形态是否与签名时的形态一致。AWS SDK Rust 团队对此问题的快速响应也体现了开源社区的优势,开发者遇到类似问题时可以及时升级 SDK 或采用临时解决方案。
登录后查看全文
热门项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
186
205
暂无简介
Dart
629
143
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
React Native鸿蒙化仓库
JavaScript
242
316
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
383
3.6 K
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
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++
648
266
🎉 (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
1.11 K
625
仓颉编译器源码及 cjdb 调试工具。
C++
128
858