在Node.js中使用node-forge实现HMAC-SHA256签名
2025-06-08 04:38:52作者:侯霆垣
背景介绍
在Node.js开发中,HMAC(基于哈希的消息认证码)是一种常用的加密技术,用于验证消息的完整性和真实性。Node.js原生提供了crypto模块来实现HMAC,但有时开发者可能需要使用第三方库如node-forge来实现相同的功能。
原生crypto模块的实现
Node.js的crypto模块提供了一个简单直接的HMAC实现方式:
const crypto = require('crypto');
const ALGORITHM = 'sha256';
const KEY = '你的密钥';
function generateWithCrypto(tokenData) {
var hmac = crypto.createHmac(
ALGORITHM,
Buffer.from(KEY, 'hex')
);
hmac.update(tokenData);
return hmac.digest('hex');
}
这种方法简单明了,但有时项目可能因为某些原因需要使用node-forge库。
使用node-forge实现相同功能
node-forge是一个纯JavaScript实现的加密工具库,提供了丰富的加密功能。以下是使用node-forge实现相同HMAC-SHA256功能的代码:
const forge = require('node-forge');
const ALGORITHM = 'sha256';
const KEY = '你的密钥';
function generateWithNodeForge(tokenData) {
const hmac = forge.hmac.create();
hmac.start(ALGORITHM, KEY);
hmac.update(forge.util.encodeUtf8(tokenData));
return hmac.digest().toHex();
}
关键区别与注意事项
-
密钥处理:原生crypto模块需要将密钥转换为Buffer,而node-forge直接使用原始密钥字符串。
-
数据编码:node-forge需要显式地将输入数据编码为UTF-8格式,而crypto模块会自动处理。
-
输出格式:两者都支持十六进制输出,但方法略有不同。
为什么需要encodeUtf8
在node-forge的实现中,forge.util.encodeUtf8()调用是必要的,因为它确保输入数据以正确的编码格式传递给HMAC算法。如果不进行编码处理,可能会导致与原生crypto模块不同的结果,特别是当输入包含非ASCII字符时。
性能考虑
虽然node-forge提供了纯JavaScript的实现,但在性能上通常不如Node.js原生的crypto模块。对于高性能要求的应用,建议优先使用原生模块。
总结
本文展示了如何在Node.js中使用node-forge库实现与原生crypto模块相同的HMAC-SHA256功能。理解这两种实现方式的差异有助于开发者在不同场景下做出合适的选择。无论是使用原生模块还是第三方库,正确处理数据编码都是确保加密结果一致性的关键因素。
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 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 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 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