Ruby-JWT项目中使用ES256K算法验证JWT的技术解析
在Ruby-JWT项目中,开发者经常需要处理各种加密算法来验证JSON Web Tokens(JWT)。本文将重点探讨如何使用ES256K(基于secp256k1椭圆曲线的ECDSA算法)来验证JWT签名,特别是如何处理从不同格式提取的公钥。
ES256K算法简介
ES256K是一种基于secp256k1椭圆曲线的数字签名算法,与更常见的ES256(基于P-256曲线)类似,但使用不同的曲线参数。这种算法在区块链和去中心化身份(DID)系统中较为常见。
公钥的获取与处理
在实际应用中,公钥可能以多种格式存在。常见的情况包括:
-
Multibase编码的公钥:如示例中的
zQ3shMcFGXMMsEX5nxmV8QfBZQc1Uw6mSWADuKSgsvieu5ezC,这是Base58编码的压缩公钥。 -
JWK(JSON Web Key)格式:包含完整的密钥参数,可直接导入。
-
PEM或DER格式:OpenSSL标准的密钥存储格式。
处理Multibase编码的压缩公钥
对于Multibase编码的压缩公钥,处理步骤如下:
- 去除Multibase前缀(第一个字符)
- 使用Base58解码
- 提取实际的压缩公钥部分(通常跳过前两个字节)
key_multibase = "zQ3shMcFGXMMsEX5nxmV8QfBZQc1Uw6mSWADuKSgsvieu5ezC"
key_decoded = Base58.base58_to_binary(key_multibase[1..], :bitcoin)
actual_key = key_decoded[2..]
将压缩公钥转换为OpenSSL对象
Ruby-JWT需要OpenSSL::PKey::EC对象来进行验证。对于压缩公钥,我们需要先解压缩(计算Y坐标),然后构建完整的公钥对象。
方法一:直接使用OpenSSL解压缩
group = OpenSSL::PKey::EC::Group.new('secp256k1')
point = OpenSSL::PKey::EC::Point.new(group, actual_key)
uncompressed_point = point.to_bn(:uncompressed).to_s(2)
x_octets, y_octets = uncompressed_point.unpack('xa32a32')
jwk = {
kty: "EC",
crv: "P-256K",
x: Base64.urlsafe_encode64(x_octets, padding: false),
y: Base64.urlsafe_encode64(y_octets, padding: false),
}
key = JWT::JWK.import(jwk).public_key
方法二:构建SPKI格式后导入
另一种方法是构建SubjectPublicKeyInfo(SPKI)结构,这是X.509标准中定义的公钥格式:
def spki_from_compressed_secp256k1(comp)
alg_id = OpenSSL::ASN1::Sequence([
OpenSSL::ASN1::ObjectId('id-ecPublicKey'),
OpenSSL::ASN1::ObjectId('secp256k1')
])
OpenSSL::ASN1::Sequence([alg_id, OpenSSL::ASN1::BitString(comp)]).to_der
end
key = OpenSSL::PKey.read(spki_from_compressed_secp256k1(comp))
验证JWT
获得公钥对象后,验证JWT就很简单了:
decoded_token = JWT.decode(token, key, true, { algorithm: 'ES256K' })
注意事项
-
算法名称:确保使用正确的算法名称'ES256K',而不是'ES256'。
-
密钥格式:Ruby-JWT期望接收的是OpenSSL::PKey::EC对象,直接传递原始字符串会导致错误。
-
压缩与未压缩:secp256k1公钥可以是压缩(33字节)或未压缩(65字节)格式,处理时需要区分。
-
错误处理:建议添加适当的错误处理,特别是对于密钥解析和JWT验证过程。
总结
在Ruby-JWT项目中使用ES256K算法验证JWT时,关键在于正确处理各种格式的公钥并将其转换为OpenSSL可识别的对象。对于来自DID文档的Multibase编码压缩公钥,需要经过解码、解压缩和格式转换多个步骤。理解这些底层原理有助于开发者更灵活地处理各种密钥格式和加密场景。
随着区块链和去中心化身份系统的发展,ES256K算法的使用可能会越来越普遍,掌握其处理方法将成为Ruby开发者的重要技能之一。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00