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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









