AWS SDK Rust 中解析 KMS 公钥 Blob 的技术实践
2025-06-26 10:19:25作者:舒璇辛Bertina
在 AWS SDK Rust 开发过程中,我们经常需要与 KMS(密钥管理服务)进行交互。最近在尝试获取和解析 KMS 公钥时,遇到了一个值得分享的技术挑战和解决方案。
问题背景
当使用 AWS SDK Rust 的 get_public_key() 方法从 KMS 获取公钥时,返回的是一个 Blob 类型的数据。按照文档说明,这个 Blob 应该包含公钥信息,但尝试直接解析时却遇到了各种问题:
- 尝试 Base64 解码失败,报错显示无效符号
- 使用 DER 格式解析证书也未能成功
- 直接转换为 UTF-8 字符串同样不可行
技术探索过程
初步尝试
最初按照 AWS SDK 文档的提示,尝试对 Blob 内容进行 Base64 解码:
let inner_decoded: Vec<u8> = base64::decode(blob.as_ref())?;
但遇到了"Invalid symbol 130, offset 1"的错误,这表明数据可能已经是原始字节形式,而非 Base64 编码。
深入分析
进一步尝试使用 X509Certificate 的 DER 解析:
let cert = X509Certificate::from_der(blob)?;
依然失败,错误提示"missing further values",说明数据格式不符合预期。
解决方案
经过研究 AWS Tough 项目的实现,发现正确的处理方式是:
- 首先确认 Blob 包含的是 DER 格式的公钥数据
- 使用 RSA 相关库直接解析这些原始数据
最终解决方案是使用 rsa crate 提供的功能:
let pub_key = RsaPublicKey::from_public_key_der(blob.into_inner().as_ref())?;
完整实现示例
以下是完整的代码实现,展示了如何从 KMS 获取公钥并正确解析:
use aws_sdk_kms::Client as KmsClient;
use aws_sdk_kms::types::Blob;
use rsa::RsaPublicKey;
async fn get_and_parse_kms_public_key(kms_client: &KmsClient, kms_key_arn: &str) -> Result<RsaPublicKey, Box<dyn std::error::Error>> {
let response = kms_client
.get_public_key()
.key_id(kms_key_arn)
.send()
.await?;
let blob: Blob = response.public_key.expect("Expected successful response from KMS");
let pub_key = RsaPublicKey::from_public_key_der(blob.into_inner().as_ref())?;
Ok(pub_key)
}
技术要点总结
- KMS 返回的公钥 Blob 已经是 DER 格式的原始数据,不需要额外解码
- 直接使用 RSA 相关库可以正确解析这种格式的公钥
- 在 Rust 生态中,
rsacrate 提供了完善的 RSA 密钥处理功能 - 对于 PEM 格式需求,可以使用
pemcrate 进行转换
最佳实践建议
- 在生产环境中,应该添加更完善的错误处理
- 考虑将解析后的公钥缓存起来,避免频繁调用 KMS API
- 对于不同的加密算法类型(如 ECC),需要采用对应的解析方法
- 在跨平台使用时,注意字节序和编码格式的一致性
通过本文的探索,我们不仅解决了具体的技术问题,也加深了对 AWS KMS 服务数据格式和 Rust 加密处理的理解。这种经验对于处理类似的服务接口和数据解析问题具有很好的参考价值。
登录后查看全文
热门项目推荐
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-1.5暂无简介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
173
193
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++
647
263
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
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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