使用acme.sh与Google Public CA集成时解决External Account Binding问题
acme.sh作为一款流行的ACME协议客户端,能够与多种证书颁发机构(CA)集成,包括Google Public CA。然而在实际使用过程中,许多用户在尝试与Google Public CA集成时会遇到"External Account Binding is required for new accounts"的错误提示。
问题现象
当用户尝试使用acme.sh向Google Public CA申请证书时,系统会返回400错误,提示"External Account Binding is required for new accounts"。这表明Google Public CA要求所有新账户必须完成外部账户绑定(EAB)流程。
根本原因
Google Public CA作为企业级CA服务,要求所有客户端在首次注册账户时必须提供有效的EAB凭证。这是ACME协议RFC 8555第7.3.4节规定的安全机制,用于验证客户端是否获得了CA的授权。
解决方案
正确的操作流程应该是先完成账户注册,然后再申请证书。具体步骤如下:
-
获取EAB凭证: 通过Google Cloud CLI工具获取EAB密钥对:
gcloud publicca external-account-keys create --project [项目ID]命令会返回kid(密钥ID)和hmac-key(HMAC密钥)。
-
注册账户: 使用acme.sh的register-account命令先完成账户注册:
acme.sh --register-account --server google \ --eab-kid [kid值] \ --eab-hmac-key [hmac-key值] -
申请证书: 账户注册成功后,再使用常规的issue命令申请证书:
acme.sh --issue -d example.com --stateless --server google
技术细节
External Account Binding是ACME协议中用于企业环境的安全机制。它通过以下方式工作:
- CA预先为客户端生成一对EAB密钥(kid和hmac-key)
- 客户端在注册时使用hmac-key对账户密钥进行签名
- CA通过验证签名来确认客户端的合法性
acme.sh在v3.0.8及以上版本已完整支持EAB流程。当检测到CA需要EAB时,会自动处理签名过程,前提是用户提供了正确的kid和hmac-key。
最佳实践
- EAB凭证有效期通常较短,建议在准备申请证书时再生成
- 妥善保管EAB凭证,避免泄露
- 对于生产环境,建议使用服务账号而非个人账号操作
- 定期检查Google Cloud文档以获取API变更信息
通过遵循上述流程,用户可以顺利完成acme.sh与Google Public CA的集成,获取由Google签发的可信证书。
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