Erlang/OTP中ssl:handshake/3函数在指定{handshake, hello}时的问题分析
问题背景
在Erlang/OTP的SSL/TLS模块中,ssl:handshake/3函数用于在已建立的TCP连接上执行SSL/TLS握手过程。从OTP 27版本开始,该函数在7a0723974提交后,要求必须提供证书和密钥才能执行握手操作。
问题描述
当开发者使用{handshake, hello}选项时,ssl:handshake/3函数仍然强制要求提供证书和密钥。这在技术逻辑上是不合理的,因为在"hello"模式下,握手过程可能只需要完成初始的ClientHello消息交换,而实际的证书和密钥可能会在后续的ssl:handshake_continue/3调用中根据返回的信息(如SNI主机名)动态确定。
技术细节分析
-
握手阶段分离:TLS握手过程可以分为多个阶段,
{handshake, hello}选项允许开发者只执行初始的握手阶段,获取对端信息后再决定后续操作。 -
证书延迟绑定:在实际应用中,服务器可能需要根据客户端提供的SNI(Server Name Indication)信息来选择不同的证书。强制在初始阶段提供证书会破坏这种灵活性。
-
版本兼容性:在OTP 26及更早版本中,这种行为是允许的,但在OTP 27中变成了强制要求,这导致了向后兼容性问题。
影响范围
该问题影响OTP 27的所有版本,包括从27.0到27.2的各个发布版本。使用{handshake, hello}选项进行分阶段TLS握手的应用都会受到影响。
临时解决方案
开发者可以使用一个虚拟的证书和密钥作为临时解决方案:
ssl:handshake(TcpSocket, [
{handshake, hello},
{versions, ['tlsv1.3']},
{key, #{algorithm => eddsa, sign_fun => undefined}},
{cert, <<>>}
], 5000).
预期修复方向
从技术实现角度,正确的修复应该是:
- 当检测到
{handshake, hello}选项时,应跳过证书和密钥的强制检查 - 只有在完整握手或需要证书验证的阶段才进行相关检查
- 保持与早期版本的兼容性
总结
这个问题展示了在安全协议实现中平衡灵活性和强制要求的重要性。TLS协议本身就设计为支持分阶段握手和动态证书选择,因此实现时应该尊重这种设计理念。开发者在使用OTP 27的SSL模块时需要注意这个问题,特别是在实现需要SNI功能的TLS服务器时。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C037
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0114
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