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。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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