SSHKey 技术文档
1. 安装指南
SSHKey 是一个用于生成 SSH 密钥对的 Ruby 库,支持 RSA、DSA 和 ECDSA 密钥类型。以下是安装步骤:
安装步骤
-
确保你已经安装了 Ruby 环境(CRuby 2.5+ 或 JRuby)。
-
使用以下命令安装
sshkeygem:gem install sshkey
2. 项目的使用说明
生成新的密钥对
默认情况下,SSHKey.generate 会生成一个 2048 位的 RSA 密钥对。你也可以通过指定 type 和 bits 参数来生成不同类型的密钥对。
k = SSHKey.generate
k = SSHKey.generate(
type: "DSA",
bits: 1024,
comment: "foo@bar.com",
passphrase: "foobar"
)
使用现有密钥
你可以从现有的 PEM 格式的私钥字符串中创建一个 SSHKey 对象。
f = File.read(File.expand_path("~/.ssh/id_rsa"))
k = SSHKey.new(f, comment: "foo@bar.com")
如果你的密钥是 OpenSSH 格式(以 -----BEGIN OPENSSH PRIVATE KEY----- 开头),你需要将其转换为 PEM 格式或生成一个新的密钥。
生成新的 RSA 密钥(PEM 格式)
ssh-keygen -t rsa -b 4096 -m PEM
转换现有 OpenSSH 格式密钥
ssh-keygen -p -N "" -m pem -f /path/to/existing/private/key
3. 项目 API 使用文档
SSHKey 对象
获取私钥和公钥
你可以通过以下方法获取私钥和公钥的字符串形式。注意,public_key 是 RSA 或 DSA 或 ECDSA 公钥,而不是 SSH 公钥。
k.private_key
k.public_key
获取 SSH 公钥:
k.ssh_public_key
加密私钥
如果生成密钥时设置了 passphrase,或者通过 passphrase 访问器设置了密码,你可以获取加密后的私钥。
k.passphrase = "foo"
k.encrypted_private_key
注释
密钥可以有一个可选的注释,该注释会显示在 SSH 公钥中。你可以通过 comment 访问器获取或设置注释。
k.comment = "me@me.com"
k.ssh_public_key
密钥长度
你可以获取密钥的位长度。
k.bits
指纹
你可以获取 SSH 公钥的 MD5、SHA1 或 SHA256 指纹。
k.md5_fingerprint
k.sha1_fingerprint
k.sha256_fingerprint
公钥指令
你可以添加可选的指令,这些指令会在密钥认证时强制执行。
k.directives = "no-pty"
k.directives = [
"no-port-forwarding",
"no-X11-forwarding",
"no-agent-forwarding",
"no-pty",
"command='/home/user/bin/authprogs'"
]
k.ssh_public_key
Randomart
你可以生成 OpenSSH 兼容的 ASCII 艺术指纹。
puts k.randomart
原始 OpenSSL 密钥对象
你可以获取原始的 OpenSSL::PKey::RSA、OpenSSL::PKey::DSA 或 OpenSSL::PKey::EC 对象。
k.key_object
现有 SSH 公钥
验证
你可以验证给定的 SSH 公钥是否有效。
SSHKey.valid_ssh_public_key? "ssh-rsa AAAAB3NzaC1yc2EAAAADAQABAAABAQC9HuXvYJPtQE..."
4. 项目安装方式
通过 Gem 安装
gem install sshkey
通过 Bundler 安装
如果你使用 Bundler 管理依赖,可以在 Gemfile 中添加以下内容:
gem 'sshkey'
然后运行:
bundle install
通过本文档,你应该能够顺利安装并使用 SSHKey 库来生成和管理 SSH 密钥对。如果你有任何问题,请参考文档中的详细说明。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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