Erlang/OTP中TLS1.3握手过程中未分配签名算法导致的崩溃问题分析
2025-05-20 23:42:05作者:史锋燃Gardner
问题背景
在Erlang/OTP的SSL/TLS实现中,处理TLS1.3握手协议时发现了一个可能导致崩溃的问题。这个问题源于客户端在ClientHello消息中发送了未分配(unassigned)的签名算法,而服务端在解码这些算法时没有正确处理这些未分配值。
技术细节
在TLS1.3握手过程中,客户端会发送ClientHello消息,其中包含支持的签名算法列表。这些签名算法用于后续的数字签名操作,如证书验证等。在Erlang/OTP的实现中,当解码这些签名算法时,会遇到两种形式的未分配算法:
- 简单的
unassigned原子 - 元组形式的
{unassigned, unassigned}
当前实现中,代码虽然会忽略简单的unassigned原子,但没有正确处理元组形式的未分配算法,这导致了后续处理时的崩溃。
问题重现
通过分析,可以构造一个特定的ClientHello消息二进制数据,其中包含未分配的签名算法。当服务端尝试解码这个消息时,问题就会显现:
HelloBin0 = <<...包含未分配签名算法的二进制数据...>>
<<Type:8, _Length:24, Body/binary>> = HelloBin0.
Version = {3,4}. % TLS 1.3
tls_handshake:decode_handshake(Version, Type, Body).
解码后会得到包含{unassigned, unassigned}项的签名算法列表,这些项本应被过滤掉。
解决方案
修复方案主要包括两个方面:
- 完善签名算法过滤逻辑,确保所有形式的未分配算法都被正确忽略
- 清理冗余的代码分支,优化实现
具体来说,修复后的代码会:
- 在解码签名算法扩展时,严格检查每个算法项
- 过滤掉所有无效或未分配的算法
- 移除重复的解码分支,简化代码结构
影响范围
该问题影响多个Erlang/OTP版本,包括:
- OTP 24.3
- OTP 26.2
- OTP 27.1
修复已经合并到maint和master分支,并计划包含在OTP-26和OTP-27的后续补丁中。
技术意义
这个问题揭示了TLS实现中一个重要的健壮性原则:协议实现必须能够优雅地处理各种边界情况,包括未知或未定义的算法标识。在安全协议实现中,这种防御性编程尤为重要,因为:
- 它防止了潜在的服务拒绝(DoS)攻击
- 确保了与各种客户端实现的互操作性
- 遵循了协议规范中"必须忽略未知值"的原则
最佳实践建议
基于这个问题的经验,我们建议在实现协议时:
- 始终明确处理所有可能的枚举值,包括预留和未分配值
- 对输入数据进行严格验证
- 保持代码简洁,避免冗余分支
- 为边界情况添加明确的注释和测试用例
这个问题也提醒我们,即使是成熟的开源项目,也需要持续审查和改进其协议实现,以适应不断发展的安全标准和各种实际应用场景。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217