Docker-Mailserver中Sieve拒绝邮件未进行DMARC签名的问题分析
问题概述
在使用Docker-Mailserver邮件服务器时,通过Sieve脚本拒绝邮件时发现了一个问题:当系统尝试退回邮件时,这些退回邮件没有被正确地进行DMARC签名,导致被接收方服务器拒绝。
技术背景
DMARC(Domain-based Message Authentication, Reporting & Conformance)是一种电子邮件认证协议,它帮助域名所有者防止其域名被用于电子邮件欺骗。当邮件服务器发送邮件时,应该对发出的邮件进行DKIM签名,这是DMARC验证的重要组成部分。
问题现象
用户配置了一个简单的Sieve脚本来拒绝特定邮件:
require ["reject"];
reject "Your E-Mail has not been delivered, Error 5487";
当这个脚本执行时,系统会生成一个退回邮件,但日志显示:
opendkim[135]: no signing table match for 'postmaster@mx.example.com'
opendkim[135]: no signature data
最终导致退回邮件被Gmail服务器拒绝,错误信息表明"Unauthenticated email from example.com is not accepted due to domain's DMARC policy"。
问题根源
通过分析日志和配置,发现问题的根本原因是系统默认使用了"postmaster@mx.example.com"作为退回邮件的发件人地址,而这个地址:
- 不在DKIM签名表中
- 不是用户配置的有效地址
用户实际配置的别名是"postmaster@example.com",但系统默认使用了包含"mx"子域的形式。
解决方案
用户通过设置以下环境变量解决了这个问题:
POSTMASTER_ADDRESS="postmaster@example.com"
这个设置确保了:
- 退回邮件使用正确的发件人地址
- 该地址在DKIM签名表中
- 符合DMARC策略要求
最佳实践建议
-
明确设置POSTMASTER_ADDRESS:在Docker-Mailserver配置中,应该明确设置POSTMASTER_ADDRESS环境变量,指向一个有效的、已配置的邮箱地址。
-
确保DKIM签名配置:确认设置的POSTMASTER_ADDRESS地址包含在DKIM签名表中,可以通过检查opendkim的配置实现。
-
测试DMARC合规性:在部署前,使用专门的DMARC测试工具验证退回邮件的签名状态。
-
Sieve脚本谨慎使用:使用reject动作时要特别注意,因为它会生成系统退回邮件,这些邮件需要符合所有发件认证要求。
总结
这个问题展示了电子邮件系统中认证机制的重要性。即使是系统自动生成的邮件,也必须符合DMARC等安全协议的要求。通过正确配置POSTMASTER_ADDRESS,可以确保系统生成的各类通知和退回邮件都能通过接收方的安全验证,保证邮件系统的正常运作。
对于使用Docker-Mailserver的管理员来说,这是一个很好的提醒:在配置邮件服务器时,不仅要关注收件功能,还要确保系统生成邮件的发件配置完整且合规。
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