FreeRDP网关RPC模式连接失败问题分析与修复
问题背景
FreeRDP是一款开源的远程桌面协议(RDP)客户端实现,在3.13.0版本中,用户报告了一个严重的回归性问题:当使用RPC网关模式(/gateway:type:rpc)时,连接会失败并显示"tsg_check failure"错误。这个问题影响了通过RPC网关模式连接Windows远程桌面网关(RD Gateway)的用户,特别是那些在网络负载均衡后面部署RD Gateway的场景。
问题表现
在FreeRDP 3.13.0版本中,当用户尝试通过RPC网关模式连接时,会出现以下错误序列:
- RPC PDU解析不完全警告
- RTS PDU故障状态显示ERROR_NOT_DOS_DISK
- 意外的alloc_hint值警告
- 最终tsg_check失败错误
- 连接终止,错误代码ERRCONNECT_SECURITY_NEGO_CONNECT_FAILED
相比之下,3.12.0版本在相同配置下工作正常,而将类型改为HTTP模式(/gateway:type:http)虽然可以连接,但在网络负载均衡后的RD Gateway场景下无法工作。
技术分析
问题的根源在于FreeRDP 3.13.0中对TSG(终端服务网关)检查逻辑的修改。具体来说,b138f6ca18c5这个提交引入了对TSG数据包的更严格检查,但未能正确处理某些情况下的消息包指针。
根据微软的MS-TSGU协议规范,TSG_PACKET_MSG_RESPONSE结构包含一个IsMsgPresent标志,指示messagePacket参数是否存在。当该标志为FALSE时,messagePacket参数应被忽略,但代码仍需读取指针值。3.13.0版本的实现在IsMsgPresent为FALSE时完全跳过了指针读取,导致后续数据解析错位。
解决方案
开发团队通过以下方式修复了这个问题:
- 确保即使IsMsgPresent为FALSE也读取MessageSwitchValue
- 正确读取并忽略消息包指针(MsgPtr)
- 在IsMsgPresent为FALSE时读取但不处理同意消息(consent message)
- 保持数据流解析的完整性
修复后的版本(3.13.1-dev0)已经过测试验证,能够成功建立RPC网关模式的连接。虽然仍会显示"Read NDR pointer"警告,但这些不影响功能,将在未来版本中进一步优化。
影响范围
此问题影响所有使用以下配置的用户:
- 通过RPC模式(/gateway:type:rpc)连接RD Gateway
- 特别是网络负载均衡后端的RD Gateway部署(仅RPC模式可用)
- FreeRDP 3.13.0版本
用户建议
对于遇到此问题的用户,建议:
- 升级到包含修复的FreeRDP版本(3.13.1或更高)
- 如果暂时无法升级,可回退到3.12.0版本
- 避免在生产环境中使用HTTP网关模式替代RPC模式,除非确认兼容性
技术细节补充
RPC(远程过程调用)网关模式是RD Gateway的一种连接方式,相比HTTP模式:
- 使用不同的协议栈和端口
- 支持更复杂的网络拓扑
- 在网络中间设备后表现更可靠
- 实现更高效的二进制数据传输
TSG(终端服务网关)协议是微软专为远程桌面网关设计的协议,负责:
- 身份验证和授权
- 连接隧道建立
- 策略实施
- 资源重定向控制
理解这些底层协议有助于更好地诊断和解决连接问题。
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