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。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0113AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









