AWS SDK for C++ S3 CRT客户端CA证书路径配置问题解析
问题背景
在使用AWS SDK for C++的S3 CRT客户端时,开发人员发现当显式设置Aws::S3Crt::ClientConfiguration::ca_path为默认路径时,无法成功执行GetObject操作,出现TLS协商失败的错误。而如果不显式设置该路径,则操作可以正常执行。
技术分析
证书路径配置机制
AWS SDK for C++的S3 CRT客户端底层使用s2n-tls库实现TLS功能,而s2n-tls又依赖OpenSSL的X509_STORE_load_locations函数来加载证书。OpenSSL对CA证书路径有特定的格式要求:
- 当使用
ca_path时,OpenSSL要求目录必须采用"哈希目录方法"格式 - 目录中的每个证书文件都需要使用特定的哈希命名方式
- 如果目录中只有一个证书包文件,OpenSSL将无法识别其中的证书
问题根源
经过深入分析,发现该问题源于两个关键因素:
-
OpenSSL证书路径格式要求:开发人员将
ca_path设置为/etc/pki/tls,而该目录下只有一个cert.pem文件,不符合OpenSSL的哈希目录格式要求。 -
SDK版本行为变更:在1.11.97版本左右引入的一个变更导致全局TLS连接选项被忽略。具体来说,PR #2530修改了TLS连接选项的处理逻辑,使得通过
tlsConnectionOptions_create_fn设置的回调被忽略,而只检查ClientConfig中的ca_file/ca_path设置。
解决方案
针对这一问题,AWS SDK团队提供了以下解决方案:
-
临时解决方案:使用
config.caFile替代config.caPath,直接指定证书文件路径:Aws::String ca_file = "/etc/pki/tls/cert.pem"; config.caFile = Aws::String(ca_file); -
长期修复:AWS SDK团队已提交PR #3037,恢复了全局TLS连接选项的优先级,确保通过
tlsConnectionOptions_create_fn设置的回调能够正常工作。这一修复将在下一个版本中发布。
最佳实践建议
- 当需要指定CA证书时,优先使用
caFile直接指定证书文件路径 - 如果必须使用
caPath,请确保目录符合OpenSSL的哈希目录格式要求 - 在升级SDK版本时,注意测试TLS相关功能的兼容性
- 对于自定义证书配置,考虑使用
OverrideDefaultTrustStore方法
技术细节补充
OpenSSL的哈希目录格式要求每个证书文件都必须以特定的哈希值命名。可以通过以下命令将PEM格式的证书转换为符合要求的格式:
openssl x509 -hash -noout -in cert.pem # 获取哈希值
ln -s cert.pem <hash>.0 # 创建符号链接
这种机制允许OpenSSL快速查找和验证证书链,是OpenSSL安全模型的重要组成部分。
总结
AWS SDK for C++的S3 CRT客户端在证书验证方面遵循OpenSSL的严格规范。开发人员在配置CA证书路径时,需要特别注意OpenSSL的格式要求,并根据SDK版本选择合适的配置方式。随着PR #3037的合并,未来版本将提供更灵活的证书配置选项,使开发人员能够更轻松地实现安全连接。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-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