Azure CLI 项目中关于 cryptography 库安全问题的升级分析
2025-06-15 22:24:08作者:昌雅子Ethen
背景介绍
在 Azure CLI 项目中,发现了一个与 cryptography 库相关的安全问题(CVE-2024-12797)。该问题主要影响使用 RFC7250 原始公钥(RPKs)进行服务器认证的客户端场景。
问题技术分析
该安全问题的核心在于:当客户端使用原始公钥(RPKs)进行服务器认证时,即使服务器认证失败,握手过程也可能不会按预期终止。这种情况发生在 SSL_VERIFY_PEER 验证模式被设置的情况下。
影响范围
此问题可能导致以下风险:
- 使用原始公钥的 TLS 和 DTLS 连接可能面临中间人攻击风险
- 当服务器认证失败时,客户端可能无法正确检测到这一情况
需要注意的是,原始公钥功能在 TLS 客户端和服务器中默认都是禁用的。只有当客户端显式启用服务器端原始公钥使用,并且服务器也配置为发送原始公钥而非 X.509 证书链时,才会出现此问题。
问题触发条件
要触发此问题,需要满足以下条件:
- TLS 客户端显式启用了服务器原始公钥功能
- 服务器配置为发送原始公钥而非证书链
- 客户端设置了 SSL_VERIFY_PEER 验证模式
- 客户端依赖握手过程在服务器原始公钥不匹配预期公钥时失败
解决方案
Azure CLI 团队已经通过升级 cryptography 库到 44.0.1 版本来解决此问题。新版本修复了原始公钥验证过程中的问题,确保在服务器认证失败时握手过程能够正确终止。
开发者建议
对于使用类似功能的开发者,建议:
- 及时升级 cryptography 库到安全版本
- 即使启用了原始公钥功能,也应通过调用 SSL_get_verify_result() 来检查验证结果
- 在代码中正确处理验证失败的情况
- 定期检查项目依赖库的安全更新
总结
此安全问题的修复体现了 Azure CLI 项目对安全性的高度重视。通过及时升级依赖库,项目维护团队确保了用户在使用 Azure CLI 时的安全性。这也提醒我们,在现代软件开发中,依赖库的安全管理是保障整体系统安全的重要环节。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
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++
639
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
469
Ascend Extension for PyTorch
Python
149
175
暂无简介
Dart
604
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
227
81
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310