AsyncSSH安全密钥认证问题解析与解决方案
2025-07-10 11:28:22作者:虞亚竹Luna
在SSH客户端开发中,安全密钥(Security Key)认证是一种重要的身份验证方式。本文将以AsyncSSH项目为例,深入分析安全密钥认证过程中的常见问题及其解决方案。
问题背景
当使用AsyncSSH进行SSH连接时,如果传递多个安全密钥对应的私钥文件给client_keys参数,系统会在第一个密钥检查失败时抛出异常"Security key credential not found",而不会继续尝试列表中的其他密钥。这与常规SSH客户端的行为不同,后者能够自动尝试所有可用密钥直到找到匹配项。
技术分析
安全密钥认证的核心问题在于:
- 密钥匹配机制:AsyncSSH原有的实现会在第一个密钥检查失败时直接抛出异常,而不是继续尝试其他密钥
- 设备检测逻辑:当安全密钥未插入时,系统无法优雅地跳过该密钥的验证
- 用户交互:某些安全密钥会强制要求用户触摸确认,即使密钥并不匹配
解决方案
AsyncSSH项目维护者在最新版本(2.18.0)中实现了以下改进:
- 异常处理增强:在_ClientPublicKeyAuth中添加了try..except块,确保能捕获错误并调用try_next_auth
- 认证流程优化:修复了try_next_auth的问题,确保能正确测试所有客户端密钥
- 智能触摸检测:只有在确认密钥包含当前查找的key_handle后才会设置touch_required
临时解决方案
在官方修复前,开发者可以使用以下Python代码来识别匹配的安全密钥:
from hashlib import sha256
from fido2.hid import CtapHidDevice
from fido2.ctap2 import Ctap2
import asyncssh
def extract_credential_info(key_file):
key = asyncssh.read_private_key(key_file)
credential_id = key._key_handle
rp_id = key.get_comment()
return credential_id, rp_id
def verify_credential(credential_id, rp_id):
devices = list(CtapHidDevice.list_devices())
if not devices:
return False
ctap2 = Ctap2(devices[0])
challenge = b'dummychallenge'
client_data_hash = sha256(challenge).digest()
try:
ctap2.get_assertion(
rp_id=rp_id,
client_data_hash=client_data_hash,
allow_list=[{"type": "public-key", "id": credential_id}],
options={"up": False}
)
return True
except Exception:
return False
最佳实践
- 确保使用最新版AsyncSSH(2.18.0+)
- 在调用connect前确认安全密钥已插入
- 对于多密钥场景,建议先验证密钥可用性再连接
- 注意处理Ctap1和Ctap2密钥的兼容性问题
总结
AsyncSSH的安全密钥认证机制经过此次优化,已经能够正确处理多密钥场景下的认证流程。开发者现在可以放心地在项目中使用多个安全密钥进行SSH连接,系统会自动跳过不可用的密钥,直到找到匹配项。对于特殊需求场景,仍可通过FIDO2库实现自定义的密钥检测逻辑。
随着FIDO2标准的普及,安全密钥在SSH认证中的应用会越来越广泛,理解其工作原理和常见问题对开发者而言将变得越来越重要。
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
661