Asterisk项目中STIR/SHAKEN模块的认证级别传播问题分析
2025-06-30 07:09:35作者:史锋燃Gardner
问题概述
在Asterisk开源通信平台中,res_stir_shaken模块负责实现STIR/SHAKEN协议功能,该协议用于电信行业的来电身份认证。近期发现该模块存在一个关键问题:认证级别(attest_level)在配置结构中未能正确传播。
技术背景
STIR/SHAKEN协议定义了三种认证级别:
- A级(Full Attestation):服务提供商完全认证呼叫来源
- B级(Partial Attestation):服务提供商认证呼叫来源但无法完全验证
- C级(Gateway Attestation):仅验证呼叫进入网络的门槛
在Asterisk配置中,认证级别可以在三个层级定义:
- 认证(attestation)部分
- 配置文件(profile)部分
- 电话号码(tn)部分
问题详情
当前实现中存在以下缺陷:
- 当配置文件(profile)中未明确指定attest_level时,系统错误地将其默认设置为"A"级,而不是从上级的attestation部分继承
- 同样,在电话号码(tn)配置中未指定attest_level时,也错误地默认设置为"A"级,而没有从上级的profile或attestation部分继承
影响分析
这一缺陷会导致以下问题:
- 配置灵活性降低:管理员无法通过层级继承来简化配置
- 潜在的安全风险:默认使用最高认证级别可能导致不符合实际情况的认证声明
- 配置维护困难:需要在每个层级重复指定相同的认证级别
解决方案
开发团队已通过代码提交修复了这一问题,确保:
- 配置层级间的属性继承关系正确实现
- 当某层级未明确配置时,能够正确从上级配置继承attest_level值
- 保持向后兼容性,不影响现有明确配置了attest_level的部署
最佳实践建议
对于使用STIR/SHAKEN功能的Asterisk管理员:
- 检查现有配置,确认是否依赖了错误的默认"A"级行为
- 考虑采用层级化的配置方式,在高层级定义通用认证级别
- 在升级后验证认证级别的传播是否符合预期
该修复已合并到主分支,建议用户及时更新以获得更灵活的配置能力和更准确的功能实现。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
802
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
871
207
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
130
189
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160