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。
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-1.5暂无简介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