BC-Java项目中签名验证问题的技术解析
2025-07-01 08:05:45作者:薛曦旖Francesca
背景介绍
在BC-Java(Bouncy Castle Java加密库)项目中,用户报告了一个关于签名验证的兼容性问题。具体表现为:使用旧版本BC(1.48)和OpenSSL SMIME能够成功验证的签名文件,在新版本BC(1.78+)中却无法通过验证。
问题现象
用户提供了三个关键文件:
- 原始数据文件(data_doc.txt)
- Base64编码的数据文件(data_PKCS.txt)
- 测试程序(TestBCSignature.txt)
测试程序的主要功能是加载签名数据并验证其有效性。在新版本BC中,SignerInformation的verify方法返回false,而旧版本和OpenSSL却能成功验证。
技术分析
经过深入分析,发现问题根源在于签名属性的编码方式。在PKCS#7/CMS签名规范中,签名属性(SignedAttributes)需要按照特定编码规则进行处理:
- DER编码:规范要求签名属性在计算签名时应使用DER(Distinguished Encoding Rules)编码
- 实际实现:问题签名中的属性却使用了DL(Definite Length)编码方式
这种编码方式的不一致导致了新版本BC的严格验证失败,而旧版本和OpenSSL可能出于兼容性考虑接受了这种非标准编码。
解决方案
项目维护者提供了以下解决方案:
private static class MyDLSignerInformation extends SignerInformation {
protected MyDLSignerInformation(SignerInformation baseInfo) {
super(baseInfo);
}
public byte[] getEncodedSignedAttributes() throws IOException {
return signedAttributeSet.getEncoded(ASN1Encoding.DL);
}
}
这个自定义的SignerInformation子类重写了getEncodedSignedAttributes方法,强制使用DL编码方式来获取签名属性,从而与问题签名保持一致的验证逻辑。
最佳实践建议
- 标准化签名生成:签名生成方应严格遵循PKCS#7/CMS规范,使用DER编码处理签名属性
- 版本兼容性测试:在升级加密库版本时,应进行充分的兼容性测试
- 错误处理:对于签名验证失败的情况,应记录详细的错误信息以便诊断
- 编码一致性:在整个签名/验证流程中保持编码方式的一致性
总结
这个案例展示了加密实现中编码细节的重要性。BC-Java新版本加强了对规范的严格遵守,暴露了原有实现中的不规范之处。对于开发者而言,理解底层编码规则和保持实现与规范的一致性至关重要。在遇到类似问题时,可以考虑:
- 检查签名生成过程是否符合规范
- 必要时实现自定义验证逻辑处理特殊情况
- 权衡严格规范验证与实际业务需求的兼容性
通过这个案例,我们再次认识到加密实现中"细节决定成败"的道理,也体现了BC-Java项目在安全性和规范性方面的持续改进。
登录后查看全文
热门项目推荐
相关项目推荐
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
222
245
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
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
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217