OpenSSL证书验证失败问题分析与解决
2025-05-06 14:01:15作者:卓艾滢Kingsley
问题背景
在使用OpenSSL进行HTTPS客户端连接时,开发者遇到了证书验证失败的问题。具体表现为调用SSL_connect函数时返回错误error:0A000086:SSL routines::certificate verify failed。该问题出现在从OpenSSL 3.0.12升级到3.4.0后,而之前版本工作正常。
技术分析
证书验证机制
OpenSSL在进行TLS/SSL连接时,会验证服务器证书的有效性。这一过程包括:
- 检查证书是否由受信任的CA签发
- 验证证书是否在有效期内
- 检查证书是否被吊销
- 验证主机名是否匹配
问题根源
通过进一步诊断,开发者发现错误信息为Verify error: unable to get local issuer certificate。这表明OpenSSL无法找到签发服务器证书的CA证书。
关键发现是:
X509_get_default_cert_file()返回的路径为/usr/local/ssl- 实际系统CA证书存储在
/usr/lib/ssl目录下 - 新安装的OpenSSL 3.4.0使用了不同的默认证书存储路径
解决方案
方法一:设置正确的CA证书路径
可以通过以下方式指定正确的CA证书路径:
SSL_CTX_load_verify_locations(m_ctx, "/etc/ssl/certs/ca-certificates.crt", NULL);
或者指定CA证书目录:
SSL_CTX_load_verify_locations(m_ctx, NULL, "/usr/lib/ssl/certs");
方法二:修复默认证书路径
对于系统级解决方案,可以创建符号链接:
sudo mkdir -p /usr/local/ssl/certs
sudo ln -s /etc/ssl/certs/* /usr/local/ssl/certs/
或者修改OpenSSL配置文件,指定正确的默认路径。
最佳实践建议
-
显式指定CA路径:在生产代码中,建议显式指定CA证书路径,而不是依赖系统默认值。
-
错误处理:实现详细的错误处理逻辑,如示例中的
verify_callback函数,可以更清晰地诊断证书验证问题。 -
版本兼容性检查:在升级OpenSSL版本时,应检查默认配置的变化,特别是证书存储路径等关键设置。
-
测试验证:使用
openssl s_client工具进行快速测试验证,可以快速定位证书相关问题。
总结
证书验证是TLS/SSL安全通信的基础环节。开发者在使用OpenSSL时,应当充分理解其证书验证机制,并注意不同版本间的配置差异。通过正确配置CA证书路径和实现完善的错误处理,可以确保应用的安全连接功能稳定可靠。
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
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
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