Erlang/OTP 27.1.3版本中ED25519公钥处理机制解析
背景介绍
在Erlang/OTP 27.1.3版本更新后,部分开发者在使用椭圆曲线密钥时遇到了兼容性问题。具体表现为使用JOSE/JWK库处理ED25519公钥时出现解码错误,而在27.1.2版本中却能正常工作。这一现象引起了开发者社区的关注,经过深入分析发现,这实际上反映了Erlang/OTP对EdDSA支持机制的改进。
技术原理分析
在Erlang/OTP 27.1.3版本中,public_key:pem_entry_decode函数对EdDSA公钥的处理方式发生了变化。在之前的版本中,该函数在处理某些有效的EdDSA公钥时会失败,尽管Erlang/OTP本身已经支持EdDSA算法。27.1.3版本修复了这一行为,使得函数能够正确解码这些公钥。
问题本质
问题的根源在于第三方库erlang-jose中的处理逻辑。该库为了兼容旧版本Erlang/OTP的行为,专门编写了代码来处理public_key:pem_entry_decode可能出现的解码失败情况。这种处理方式在27.1.2及更早版本中是必要的,因为那时原生解码功能确实存在缺陷。
当Erlang/OTP 27.1.3修复了解码功能后,erlang-jose库中的兼容性代码反而成为了障碍。具体表现为:
- 解码成功的ED25519公钥会以
{'ECPoint',二进制数据}的形式返回 - 但
erlang-jose库中的jose_jwk_kty_ec模块没有为这种格式准备相应的处理函数
解决方案建议
对于遇到此问题的开发者,有以下几种解决方案:
-
更新依赖库:联系
erlang-jose库的维护者,建议其更新代码以适配Erlang/OTP 27.1.3及更高版本的正确行为 -
临时回退版本:如果项目紧急,可以暂时回退到Erlang/OTP 27.1.2版本
-
自定义解码逻辑:在项目中实现自定义的解码逻辑,正确处理
{'ECPoint',二进制数据}格式的公钥
技术启示
这一案例给我们带来了几个重要的技术启示:
-
版本兼容性:加密相关功能的实现需要特别注意不同版本间的行为差异
-
依赖管理:当底层平台修复了某些功能后,依赖库中的兼容性代码可能需要进行相应调整
-
加密标准演进:随着加密算法和标准的不断发展,开发工具链也需要持续更新
总结
Erlang/OTP 27.1.3版本对EdDSA公钥解码的改进是正确的行为变更,虽然短期内可能造成某些依赖库的兼容性问题,但从长远来看有利于提升系统的安全性和稳定性。开发者应当理解这一变化背后的技术原理,并采取适当的升级策略。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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