Android-Password-Store 子目录加密文件解密问题解析
2025-06-29 14:41:30作者:管翌锬
在密码管理工具 Android-Password-Store 项目中,开发者发现了一个关于 PGP 加密文件解密的系统性问题。该问题主要影响位于子目录中且拥有独立 .gpg-id 配置文件的加密文件解密过程。
问题现象
当用户尝试解密位于子目录中的加密文件时,系统无法正确识别该目录下 .gpg-id 文件中指定的 PGP 密钥标识符。具体表现为两种场景:
- 直接解密场景:在应用内打开加密文件时,系统会提示"密码无效"错误,即使输入了正确的密码短语。
- 自动填充场景:通过自动填充功能访问加密文件时,系统会返回空字符串而不显示任何错误信息。
这两种情况都会导致用户无法正常访问加密存储的敏感信息。
技术分析
问题的根本原因在于密钥标识符获取逻辑的缺陷。当前实现中,系统在解密文件时没有考虑文件所在子目录的层级关系,导致无法正确获取子目录中 .gpg-id 文件指定的密钥标识符。
PGP 加密体系在 Android-Password-Store 中的实现遵循以下原则:
- 每个目录可以包含一个 .gpg-id 文件,指定该目录下文件的加密密钥
- 子目录可以继承父目录的密钥配置,也可以定义自己的密钥配置
- 解密时必须使用文件所在目录或其父目录中指定的密钥
当前系统在解密时仅检查根目录的 .gpg-id 文件,而忽略了子目录中的配置,这违反了 PGP 加密目录的标准实现规范。
解决方案
针对这一问题,需要从两个层面进行修复:
-
直接解密功能修复:
- 修改 DecryptActivity 文件
- 在调用 getPGPIdentifiers 方法时,加入文件所在子目录路径作为参数
- 确保系统能够正确识别层级目录结构中的密钥配置
-
自动填充功能修复:
- 改进 AutofillDecryptActivity 文件
- 在解密方法中获取正确的 PGP 标识符
- 将获取的标识符传递给所有需要的方法
实现建议
在技术实现上,建议采用递归查找算法来解决密钥标识符获取问题:
- 从加密文件所在目录开始向上查找 .gpg-id 文件
- 优先使用最近目录中的密钥配置
- 如果没有找到,则使用默认的根目录配置
- 确保所有解密操作都使用正确的密钥标识符
这种实现方式既保持了与标准 PGP 实现的兼容性,又能正确处理各种目录结构配置。
总结
这个问题的解决不仅修复了当前的功能缺陷,也为 Android-Password-Store 项目的加密功能提供了更健壮的实现基础。通过正确处理子目录的密钥配置,系统现在能够更好地支持复杂的密码存储组织结构,满足高级用户的需求。
对于密码管理类应用来说,加密解密功能的可靠性至关重要。这次修复确保了系统在各种目录结构下都能正确工作,提升了整体安全性和用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
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。Vue08- 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
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.89 K
React Native鸿蒙化仓库
JavaScript
312
365
Ascend Extension for PyTorch
Python
397
474
🎉 (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
1.39 K
787
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++
902
706
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
360
219
昇腾LLM分布式训练框架
Python
122
148
暂无简介
Dart
814
200
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
93
161
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161