OpenPGP.js 解密过程中的状态管理问题解析
2025-06-05 11:13:25作者:庞队千Virginia
背景介绍
OpenPGP.js 是一个流行的 JavaScript 实现的 OpenPGP 加密库,广泛应用于 Web 和 Node.js 环境中。在使用该库进行 PGP 消息解密时,开发者可能会遇到一些意想不到的行为,特别是当尝试多次解密同一个消息对象时。
问题现象
当开发者尝试解密一个 PGP 加密消息时,如果该消息被加密到了签名子密钥而非加密子密钥上,可能会出现以下情况:
- 第一次解密尝试会抛出"Session key decryption failed"错误
- 第二次尝试使用
allowInsecureDecryptionWithSigningKeys配置选项时,会抛出更隐晦的"无法解构null值"的错误
根本原因
经过分析,这个问题源于 OpenPGP.js 中Message对象的状态管理机制。Message对象在解密过程中会改变其内部状态,这意味着:
- 同一个
Message对象不能重复用于多次解密尝试 - 每次解密操作都需要从原始数据重新创建
Message对象
解决方案
要正确解决这个问题,开发者应该:
- 对于每次解密尝试,都从原始加密数据重新创建
Message对象 - 如果需要多次尝试不同的解密方式,应该保持原始加密数据的副本
// 正确做法:每次解密都从原始数据创建新Message对象
const encryptedData = ...; // 原始加密数据
const key = ...; // 私钥
// 第一次尝试
const message1 = await openpgp.readMessage({ armoredMessage: encryptedData });
try {
await openpgp.decrypt({ message: message1, decryptionKeys: [key] });
} catch (e) {
// 处理错误
}
// 第二次尝试(使用不同配置)
const message2 = await openpgp.readMessage({ armoredMessage: encryptedData });
try {
await openpgp.decrypt({
message: message2,
decryptionKeys: [key],
config: { allowInsecureDecryptionWithSigningKeys: true }
});
} catch (e) {
// 处理错误
}
最佳实践
- 避免重用Message对象:理解并接受
Message对象是有状态的这一事实 - 错误处理:当解密失败时,总是从原始数据重新开始
- 资源管理:对于大型加密消息,考虑内存使用情况,适当缓存原始数据
总结
OpenPGP.js 的这种设计选择可能是出于性能优化的考虑。作为开发者,理解库的内部行为对于正确使用它至关重要。记住Message对象的状态性,并在每次需要解密时从原始数据重新创建对象,可以避免许多潜在的问题。
随着 OpenPGP.js 的发展,开发团队已经注意到这个问题,并计划在文档中添加相关说明,以帮助开发者更好地理解和使用这个功能。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868