tModLoader在CentOS 9上创建游戏服务器的数字签名验证问题解析
问题背景
在CentOS 9操作系统上运行tModLoader 1.4.4稳定版时,用户遇到了一个特殊的技术问题:当服务器未加载任何mod时可以正常连接,但一旦添加任何mod后,玩家尝试加入服务器时会收到"digital envelope routines::invalid digest"和"Read out of bounds"的错误提示。
错误现象分析
从服务器日志中可以观察到两个关键错误:
-
数字信封验证失败:系统抛出了OpenSslCryptographicException异常,具体错误为"error:03000098:digital envelope routines::invalid digest"。这表明在验证mod的数字签名时出现了问题。
-
内存越界读取:随后系统又抛出BadImageFormatException异常,提示"Read out of bounds",这通常发生在尝试读取超出有效范围的内存时。
技术原理
这个问题涉及到tModLoader的mod签名验证机制。当客户端尝试连接服务器时,服务器会验证所有mod的数字签名以确保mod的完整性和来源可信。在CentOS 9环境下,由于OpenSSL库的某些变化,导致签名验证过程失败。
具体来说,错误发生在RSA签名验证环节。系统尝试使用OpenSSL的RSA验证函数来检查mod文件的签名,但由于某种原因,提供的摘要(digest)参数不被当前环境的OpenSSL实现所接受。
解决方案
这个问题实际上已经在tModLoader的2024.05预览版本中得到了修复。修复提交修改了mod签名验证的相关代码,使其能够更好地适应不同环境下的OpenSSL实现。
对于遇到相同问题的用户,可以采取以下解决方案:
-
升级到预览版本:目前2024.05预览版本已经包含修复,可以临时使用该版本。
-
等待稳定版更新:该修复将包含在下个月发布的2024.05稳定版中。
验证结果
经过测试,在2024.05预览版本中确实解决了这个问题。用户能够成功连接加载了mod的服务器,不再出现数字签名验证失败的错误。
技术建议
对于需要在Linux服务器上运行tModLoader的用户,建议:
-
保持tModLoader版本更新,特别是当运行在较新的Linux发行版上时。
-
如果遇到类似加密相关的问题,可以尝试检查系统的OpenSSL版本和配置。
-
在服务器环境中,考虑使用Docker等容器技术来提供更一致的环境,避免系统库差异导致的问题。
这个问题展示了跨平台开发中常见的兼容性挑战,特别是在涉及加密和安全相关的功能时。tModLoader团队通过持续更新来适应不同环境的变化,确保了mod生态系统的安全性和稳定性。
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