FreeRDP连接Windows RD Gateway的NTLM认证问题分析与解决
2025-05-20 02:02:21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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
291
2.62 K
deepin linux kernel
C
24
7
React Native鸿蒙化仓库
JavaScript
227
306
Ascend Extension for PyTorch
Python
122
149
暂无简介
Dart
579
127
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++
606
183
仓颉编译器源码及 cjdb 调试工具。
C++
121
338
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.04 K
610
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,专门为Transformer模型的训练和推理而设计。
C++
46
77
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
358
2.19 K