BungeeCord 1.20.5版本签名密钥验证问题解析
问题背景
在BungeeCord项目升级到1.20.5版本后,部分用户报告了连接服务器时出现"Invalid signature for profile public key"错误的问题。该问题主要影响那些同时支持正版和离线模式登录的服务器环境。
问题现象
当玩家尝试连接服务器时,会收到"Invalid signature for profile public key"的错误提示,导致无法正常进入游戏。经过测试,这个问题从BungeeCord的#1827版本开始出现,而回退到1.20.4版本(Waterfall #572)则可以正常工作。
问题根源
通过分析发现,问题的根源在于BungeeCord #1827版本中的一个关键提交修改了玩家UUID的处理逻辑。在同时支持正版和离线模式的服务器环境中,当插件尝试将正版玩家的在线模式UUID转换为离线模式UUID时,没有同时修改rewriteId字段,导致签名验证失败。
技术细节
在Minecraft 1.20.5版本中,Mojang引入了更严格的公钥签名验证机制。当BungeeCord尝试重写玩家UUID时,如果只修改了主UUID字段而没有同步更新rewriteId字段,就会导致签名验证不匹配,从而触发安全机制阻止玩家连接。
解决方案
要解决这个问题,需要在修改玩家UUID时同时更新rewriteId字段。具体实现方式是在InitialHandler类中确保UUID转换时两个字段保持同步:
// 修改前
profile.setId(offlineUUID);
// 修改后
profile.setId(offlineUUID);
profile.setRewriteId(offlineUUID);
影响范围
这个问题主要影响以下类型的服务器:
- 同时支持正版和离线模式登录的服务器
- 使用自定义UUID重写逻辑的插件
- 运行在BungeeCord #1827及以上版本的服务器
最佳实践建议
对于需要同时支持正版和离线模式的服务器管理员,建议:
- 确保所有UUID重写逻辑都同时更新主ID和rewriteId字段
- 测试新版本时先在测试环境验证UUID处理逻辑
- 考虑使用专门的权限系统插件来处理混合模式登录,而不是直接修改UUID
总结
BungeeCord 1.20.5版本引入的公钥签名验证机制提高了安全性,但也带来了对UUID处理更严格的要求。服务器管理员和插件开发者需要确保UUID重写逻辑的完整性,特别是在混合认证环境中。通过正确同步主ID和rewriteId字段,可以既保持安全性又兼容各种登录方式。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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