Strongbox 项目下载及安装教程
2024-12-14 14:52:44作者:邵娇湘
1. 项目介绍
Strongbox 是一个为 ActiveRecord 属性提供公钥加密的 Ruby 库。通过使用公钥,敏感信息可以自动加密并存储。一旦存储,访问这些信息需要一个密码。由于使用公钥加密的数据大小有限,Strongbox 默认采用双层加密方法:首先使用对称加密和随机生成的密钥及初始化向量(IV)加密属性,然后使用公钥加密这些信息。
2. 项目下载位置
项目托管在 GitHub 上,您可以访问以下位置下载项目:
https://github.com/spikex/strongbox.git
3. 项目安装环境配置
在安装 Strongbox 之前,确保您的系统已经安装了以下环境:
- Ruby (版本 1.8.7, 1.9.2, 或 1.9.3)
- Rails (版本 2, 3, 或 3.x)
下面是环境配置的示例图片:
# 假设图片为 environment_setup.jpg

4. 项目安装方式
以下是 Strongbox 的安装步骤:
- 将 gem 添加到您的 Gemfile 中:
gem "strongbox" - 运行
bundle install来安装 Strongbox。 - 在模型中启用加密:
class User < ActiveRecord::Base encrypt_with_public_key :secret, :key_pair => Rails.root.join('config', 'keypair.pem') end - 创建迁移来添加加密所需的数据库列:
class AddSecretColumnsToUser < ActiveRecord::Migration def change add_column :users, :secret, :binary add_column :users, :secret_key, :binary add_column :users, :secret_iv, :binary end end - 运行迁移:
rake db:migrate
5. 项目处理脚本
生成密钥对的脚本如下:
openssl genrsa -des3 -out config/private.pem 2048
openssl rsa -in config/private.pem -out config/public.pem -outform PEM -pubout
cat config/private.pem config/public.pem >> config/keypair.pem
使用上述步骤,您可以成功下载并安装 Strongbox 项目。
登录后查看全文
热门项目推荐
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
801
🔥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
870
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