Asterisk项目中res_stir_shaken模块的OpenSSL兼容性问题解析
2025-07-01 17:10:36作者:齐冠琰
背景介绍
在Asterisk 20.7.0版本的编译过程中,使用CentOS 7.9系统时发现了一个关于STIR/SHAKEN功能模块(res_stir_shaken)的编译问题。这个问题主要出现在与OpenSSL 1.0.2版本的兼容性上,导致编译过程中产生了一系列函数隐式声明的警告和错误。
问题本质
STIR/SHAKEN是现代通信系统中用于验证呼叫来源真实性的重要安全机制。Asterisk通过res_stir_shaken模块实现了这一功能,该模块依赖于OpenSSL库进行证书和密钥操作。问题核心在于模块代码中使用了OpenSSL 1.1.0及以上版本引入的新API函数,而CentOS 7.9默认安装的是OpenSSL 1.0.2版本,导致以下函数无法识别:
- X509_get0_pubkey
- X509_STORE_lock
- X509_STORE_unlock
- X509_STORE_get0_objects
- X509_OBJECT_get0_X509
- X509_STORE_up_ref
这些函数在OpenSSL 1.1.0中引入,采用了更安全的引用计数管理和对象访问方式,取代了旧版本中直接操作内部数据结构的方式。
技术影响
这些编译警告虽然不会直接导致编译失败,但会带来以下潜在风险:
- 指针类型不匹配可能导致内存访问错误
- 缺少引用计数管理可能造成内存泄漏
- 在多线程环境下证书存储操作可能不安全
- 功能可能无法按预期工作
解决方案
项目维护者通过以下方式解决了这一问题:
- 添加了OpenSSL版本检测机制,在编译时检查OpenSSL版本
- 对于OpenSSL 1.0.2环境,提供了兼容性代码路径
- 使用条件编译确保不同版本下的正确函数调用
具体实现包括:
- 对于X509_get0_pubkey,在1.0.2中使用X509_get_pubkey并手动释放
- 对于X509_STORE_lock/unlock,在1.0.2中实现为空操作(no-op)
- 对于对象访问函数,使用适当的替代方法
最佳实践建议
对于需要在较旧系统上部署Asterisk STIR/SHAKEN功能的用户,建议:
- 优先考虑升级到支持OpenSSL 1.1.0以上的操作系统
- 如需坚持使用CentOS 7,确保应用所有相关补丁
- 在生产环境部署前进行全面测试
- 考虑使用容器化部署以解决依赖问题
- 关注Asterisk的版本更新,及时获取安全修复
总结
这一问题的解决体现了开源项目对向后兼容性的重视,也展示了Asterisk社区对用户各种部署环境的支持。通过条件编译和兼容层设计,项目既能够利用新版本OpenSSL的先进特性,又能够兼容旧系统环境,为用户提供了灵活的部署选择。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217