open62541 1.4.x版本连接Codabix OPC UA服务器问题解析
问题背景
在使用open62541开源OPC UA客户端库时,从1.3.x版本升级到1.4.x版本后,部分用户发现无法连接到Codabix OPC UA服务器,出现"No suitable endpoint found"错误。本文将深入分析这一问题的原因,并提供完整的解决方案。
问题现象
当使用open62541 1.4.7版本连接Codabix服务器时,客户端日志显示:
[info/client] Rejecting endpoint 0: No matching UserTokenPolicy
[info/client] Rejecting endpoint 1: security policy not available
...
[error/client] No suitable endpoint found
而使用1.3.14版本时连接则完全正常。这表明在1.4.x版本中,客户端的默认安全策略配置发生了变化。
根本原因分析
经过深入分析,发现问题的根源在于open62541 1.4.6版本开始默认禁用了Basic256安全策略。这是出于安全考虑的决定,因为Basic256已被发现存在安全风险。
Codabix服务器端配置了以下安全策略:
- 安全模式:None(无加密)
- 用户令牌策略:Anonymous(匿名访问)
- 安全策略URI:Basic256
虽然实际通信不使用加密,但服务器仍然要求客户端支持Basic256策略。在1.4.x版本中,由于Basic256默认被禁用,导致客户端无法找到匹配的端点。
解决方案
要解决此问题,需要手动启用Basic256安全策略。以下是完整的配置步骤:
1. 编译配置
在编译open62541时,需要添加加密支持:
-DUA_ENABLE_ENCRYPTION=OPENSSL
2. 客户端代码配置
在客户端代码中,需要显式配置安全策略:
UA_ClientConfig *cc = UA_Client_getConfig(client);
// 设置默认加密配置
UA_ClientConfig_setDefaultEncryption(cc,
UA_BYTESTRING_NULL,
UA_BYTESTRING_NULL,
NULL, 0, NULL, 0);
// 添加Basic256安全策略
cc->securityPolicies = (UA_SecurityPolicy *)UA_realloc(
cc->securityPolicies,
sizeof(UA_SecurityPolicy) * (cc->securityPoliciesSize + 1));
UA_SecurityPolicy_Basic256(
&cc->securityPolicies[cc->securityPoliciesSize],
UA_BYTESTRING_NULL,
UA_BYTESTRING_NULL,
cc->logging);
cc->securityPoliciesSize++;
// 添加认证安全策略
cc->authSecurityPolicies = (UA_SecurityPolicy *)UA_realloc(
cc->authSecurityPolicies,
sizeof(UA_SecurityPolicy) * (cc->authSecurityPoliciesSize + 1));
UA_SecurityPolicy_Basic256(
&cc->authSecurityPolicies[cc->authSecurityPoliciesSize],
UA_BYTESTRING_NULL,
UA_BYTESTRING_NULL,
cc->logging);
cc->authSecurityPoliciesSize++;
// 设置安全策略URI
cc->securityPolicyUri = UA_STRING_ALLOC(
"http://opcfoundation.org/UA/SecurityPolicy#None");
// 连接服务器
UA_Client_connectAsync(client, url);
安全建议
虽然上述解决方案可以解决问题,但从安全角度考虑,建议:
-
联系Codabix服务器供应商,建议他们更新服务器配置,使用更现代的安全策略如Basic256Sha256
-
如果可能,考虑升级到使用更安全策略的服务器版本
-
在客户端代码中添加适当的证书验证,而不是使用空证书
总结
open62541 1.4.x版本出于安全考虑默认禁用了Basic256策略,这导致与某些仍依赖此策略的服务器(如Codabix)的兼容性问题。通过显式配置Basic256策略可以解决连接问题,但长期来看应考虑升级到更安全的通信方案。
对于开发者来说,在升级OPC UA库版本时,应当仔细阅读发布说明,了解安全策略变更等重要更新,以便及时调整应用程序配置。
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