FreeRDP连接Windows RD Gateway的NTLM认证问题分析与解决
2025-05-20 14:35:45作者:郦嵘贵Just
问题背景
在使用FreeRDP客户端(版本2.11.5)从Ubuntu 24.04系统通过Windows Server 2022 RD Gateway连接目标Windows Server时,出现了认证失败的问题。错误日志显示"NTLM认证失败"和"协议安全协商失败",而在Windows安全事件日志中可以看到状态码0xC000035B的错误。
环境配置
系统环境由三部分组成:
- 客户端:Ubuntu 24.04系统,安装FreeRDP 2.11.5
- RD Gateway服务器:Windows Server 2022
- 目标服务器:Windows Server 2022
关键配置点:
- 两台Windows服务器都启用了"要求使用网络级别身份验证进行远程连接"
- 注册表项LmCompatibilityLevel设置为3
- RD Gateway配置了SSL证书并使用FQDN
- 所有服务器都处于工作组环境而非域环境
错误现象
使用以下命令连接时失败:
xfreerdp /v:<目标服务器IP> /u:<用户名> /p:<密码> /g:<网关FQDN> /gu:<网关用户名> /gp:<网关密码> /sec:nla
错误日志关键部分:
- FreeRDP日志显示"HTTP响应接收重试次数超出"和"协议安全协商失败"
- Windows安全日志显示NTLM认证失败,状态码0xC000035B
问题分析与解决
经过排查,发现问题主要出在以下几个方面:
1. 网关传输协议选择
默认情况下,FreeRDP会尝试自动检测网关的传输协议类型。但在某些配置下,自动检测可能失败。通过明确指定传输协议可以解决此问题:
xfreerdp /v:<目标服务器IP> /u:<用户名> /p:<密码> /g:<网关FQDN> /gu:<网关用户名> /gp:<网关密码> /gt:rpc
其中/gt:rpc明确指定使用RPC传输协议。测试发现/gt:auto和/gt:http在此环境下无法正常工作。
2. 安全协议选项
原命令中使用了/sec:nla选项,这实际上限制了安全协商的灵活性。在FreeRDP中:
- NLA(网络级别认证)会建立一个经过认证的TLS隧道
- 单纯的TLS选项建立的是匿名TLS隧道(会显示Windows登录界面)
最佳实践是让FreeRDP自动协商最合适的安全协议,除非有特殊需求,否则不应强制指定安全协议类型。
3. 工作组环境下的认证
虽然服务器处于工作组环境,但认证时仍需要注意用户名格式。在网关认证时,可能需要使用<计算机名>\<用户名>的格式,即使没有真正的域环境。
深入技术细节
NTLM认证流程
从日志可以看到完整的NTLM认证流程:
- 客户端发送NEGOTIATE消息(包含支持的加密选项)
- 服务器回复CHALLENGE消息(包含服务器支持的选项)
- 客户端发送AUTHENTICATE消息(包含认证信息)
在失败案例中,虽然NTLM握手完成了,但后续的HTTP网关通信失败。
状态码分析
Windows安全日志中的状态码0xC000035B表示:
- 服务器无法验证客户端的凭据
- 在工作组环境中常见原因是认证信息格式不正确或传输协议不匹配
最佳实践建议
- 网关传输协议:当自动检测失败时,明确指定
/gt:rpc - 安全协议:除非有特殊需求,否则不要强制使用
/sec选项 - 认证信息格式:在工作组环境中尝试
<计算机名>\<用户名>格式 - 日志分析:同时检查FreeRDP日志和Windows安全日志以全面了解问题
总结
通过明确指定RPC传输协议和优化安全协议选项,成功解决了FreeRDP通过RD Gateway连接时的NTLM认证问题。这个案例展示了在复杂网络环境下,理解协议协商过程和正确配置参数的重要性。特别是在混合环境(工作组+网关)中,认证流程的细节配置往往决定了连接的成功与否。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143