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-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00