技术文章

Delphi 中的 CMS 签名解析:DER 边界与 OID 段

把 OID 2.999.3 按那种速成 DER 辅助函数的常见写法编码——前两段被打包进一个字节——解码器就会交还 1.15.3。另外两类读 CMS 的错误行为方式相同:证书计数把邻居的字节算了进去,签名者匹配用的序号却是从错误的字段里读出来的。在 PDF Library for Delphi(PDFlibPas)里,签名读取器把 /Contents 里的 CMS 当纯 DER 来遍历,每次嵌套读取都以上一级元素为界,填充按 CMS 声明的长度裁掉,合并后的首段 OID 按 base-128 编码

需要签名读取端的代码远比你想象的多。长期验证工具得先从既有签名里取出签名者证书及其各级签发者,才能去取吊销数据;审计报告得说清楚是谁签的;Linux 上的 Lazarus 构建没有 Windows 消息函数可依,因为平台 CMS 调用在非 Windows 上一律存根成失败,这正是 PDFlibPas 用纯 Pascal 做这条遍历、完全不碰 CryptoAPI 的原因

从已签名的 PDF 里读出签名者证书

五个 TPDFlib 方法覆盖整个读取端,参数都是 InputFile, Password, FieldName。每次调用以只读方式打开文件、给出答案、再把文件关上,没有任何需要管理的文档状态。GetSignatureEmbeddedCertificateCount 和 GetSignatureEmbeddedCertificateDER 按编码顺序枚举 CMS 证书集合,GetSignatureSignerCertificateDER 返回产出某个 SignerInfo 的那张证书,GetSignatureCertificateChainLength 和 GetSignatureCertificateChainDER 则从这个签名者一路走向签名自身携带的最远签发者。所有索引都从 0 开始

结果以 AnsiString 返回,而且你应该让它保持这个类型。DER 数据块一旦绕道 string 或 TStrings,就要过一道字符集转换,从另一端出来的字节就再也解析不动了。库把证书列表保持为 AnsiString 数组、把 URL 列表按一行一个的纯文本返回,也是同一个原因:地址是纯 ASCII,转换后安然无恙,证书字节不是

uses
  SysUtils, Classes, PDFlibrary, PDFlibEnterprise;

procedure SaveDer(const FileName: string; const Der: AnsiString);
var
  Fs: TFileStream;
begin
  Fs := TFileStream.Create(FileName, fmCreate);
  try
    if Der <> '' then
      Fs.WriteBuffer(Der[1], Length(Der));
  finally
    Fs.Free;
  end;
end;

const
  Src = 'contract-signed.pdf';
  Field = 'Signature1';
var
  Pdf: TPDFlibEnterprise;
  Count, ChainLen, I: Integer;
  SignerDer, LastDer: AnsiString;
begin
  Pdf := TPDFlibEnterprise.Create;
  try
    Count := Pdf.GetSignatureEmbeddedCertificateCount(Src, '', Field);
    WriteLn(Field, ': ', Count, ' certificate(s) in the CMS');
    for I := 0 to Count - 1 do
      SaveDer(Format('embedded-%d.cer', [I]),
        Pdf.GetSignatureEmbeddedCertificateDER(Src, '', Field, I));

    SignerDer := Pdf.GetSignatureSignerCertificateDER(Src, '', Field, 0);
    if SignerDer = '' then
      raise Exception.CreateFmt('%s: signer certificate missing or not matched', [Field]);
    SaveDer('signer.cer', SignerDer);

    ChainLen := Pdf.GetSignatureCertificateChainLength(Src, '', Field, 0);
    for I := 0 to ChainLen - 1 do
      SaveDer(Format('chain-%d.cer', [I]),
        Pdf.GetSignatureCertificateChainDER(Src, '', Field, 0, I));
    if ChainLen > 0 then
    begin
      // 链上最后一环可能还有签名没有嵌入的签发者
      LastDer := Pdf.GetSignatureCertificateChainDER(Src, '', Field, 0, ChainLen - 1);
      WriteLn('Issuer locations: ', Pdf.GetCertificateIssuerURLs(LastDer));
    end;
  finally
    Pdf.Free;
  end;
end;

这份输出里有两条结果容易误读。计数为 0 本身说明不了什么:字段不存在、密码不对、数据块不是 DER、以及 SignedData 干脆省略了可选的证书集合,这些情况统统返回 0 或空字符串,所以要像示例那样把字段名记在数字旁边,否则你会调错文件。第二条是链长度。链的构建只用嵌在签名里的证书,所以在自签发的根之前停下属于正常。用我们的演示证书(由一个测试根签发)签文件,GetSignatureCertificateChainLength 返回 1,因为那个根不在 CMS 里。下一跳的信息来自 GetCertificateIssuerURLs 报告的地址,这个调用连同整个长期验证 API 都属于 Enterprise 版

签名者匹配本身处理 RFC 5652 §5.3 允许的两种 SignerIdentifier 形式。issuerAndSerialNumber 是人人都测的那个;[0] subjectKeyIdentifier 形式——一个标签号为 $80 的隐式标签 OCTET STRING——则是手写读取器最容易忘掉的分支,而按密钥标识符自报家门的签名者确实会发出它。用签发者加序号形式时,两半必须同时匹配:序号只在同一个签发者之内唯一,只比序号可能撞上另一家 CA 的证书

/Contents 里到底哪一段才是 CMS?

只有外层 SEQUENCE 覆盖的那段前缀属于 CMS,PDFlibCMSRead 单元里的 PLTrimCMSPadding 把其后的一切裁掉。原因在于顺序。ISO 32000-1 §12.8.1 要求 /ByteRange 在签名值存在之前就固定下来,所以签名工具得预先预留 /Contents 十六进制串,槽位开得宽裕,等 CMS 定下来再把没用到的尾部填零。一份典型的签名文件因此在 CMS 之后拖着一段零,长度正是签名者多预留的那部分

PLTrimCMSPadding 读第一个 TLV,要求标签是 $30,返回到该元素结尾为止的字节。喂给它 30 03 02 01 00 00 00 00,你拿回前五个字节;喂给它 'not der',你拿回空字符串。尾部有多余字节合法的地方只有这个最外层。一条“元素必须吃光整个缓冲区”的严格规则会拒绝现实中所有签名文件,而“剩下什么都行”的宽松规则一旦不分深浅处处适用,嵌套字段就会读到不属于它们自己的字节

PDFlibPas 的 PLTrimCMSPadding 读取预留 /Contents 十六进制串的第一个 TLV,要求标签为 $30,在外层 SEQUENCE 声明的长度处截断零填充,缓冲区不是以合法 SEQUENCE 开头时返回空结果
尾部字节只在最外层合法,因为预留槽位必须为 /ByteRange 保持定长——更深的读取改用以上一级元素为界的规则

DER 读取器为什么需要上一级的结束偏移?

因为嵌套元素只有在自己结尾落在上一级内部时才算合法,而拿缓冲区结尾来检查证明不了这一点。PDFlibASN1 里的 DERReadTLV 拿整个字符串给每个元素定界,拒绝一切会越过结尾的长度,并把长度算术写成减法,让精心构造的 $7FFFFFFF 四字节长度无法把检查回绕成负数。这是内存安全。至于这个元素该不该出现在它被找到的位置,它什么也没说

设想一个 SignerInfo,它的 issuerAndSerialNumber 声明 40 字节,里面的 issuer Name 却声称 60 字节。每个字节都还在缓冲区里,于是按缓冲区定界的读取器接受这个 Name,把紧随其后的“序号”从摘要算法里读出来,再拿这一对去比对内嵌证书。什么都不会报错。有时候比对甚至会成功——只是对象是错的那张证书

PDFlibPas 给每次嵌套 DER 读取都加上上一级元素的边界:40 字节 issuerAndSerialNumber 里的 60 字节 issuer Name 会被按缓冲区定界的读取接受,进而把 digestAlgorithm 当序号读出,而 ReadTLVWithin 拒绝任何结束位置越过 ParentEnd 的元素
在缓冲区内是内存安全,在上一级内是正确性——PDFlibPas 把上一级结束偏移贯穿到 CMS 的每一层,恶意构造的长度借不走邻居的字节

PDFlibPas 的 CMS 遍历把上一级的结束位置带进每一次读取:从 ContentInfo(RFC 5652 §3)经 [0] EXPLICIT 包装层、SignedData 各字段(§5.1)、每个 SignerInfo 及其标识符,一直到匹配签名者时读出的 tbsCertificate 字段。如果你要在公开的 DERReadTLV 之上自己写遍历——比如处理时间戳令牌或 OCSP 响应——同样的模式只要十几行:

uses
  PDFlibASN1;

// 单次子元素读取:子元素的结尾一旦越过上一级就拒绝
function ReadChild(const Data: AnsiString; ParentEnd: Integer;
  var Offset: Integer; out Tag: Byte; out Start, Len: Integer): Boolean;
begin
  Result := False;
  if (Offset < 1) or (Offset >= ParentEnd) then
    Exit;                          // 上一级内部已无剩余
  if not DERReadTLV(Data, Offset, Tag, Start, Len) then
    Exit;
  Result := Offset <= ParentEnd;  // 此时 Offset 停在子元素之后
end;

// 统计一个 SET OF 里 SEQUENCE 成员的个数,
// 内容横跨 Data[SetStart .. SetEnd - 1]。遇到第一个越界成员即停
function CountSequences(const Data: AnsiString; SetStart, SetEnd: Integer): Integer;
var
  Offset, Start, Len: Integer;
  Tag: Byte;
begin
  Result := 0;
  Offset := SetStart;
  while Offset < SetEnd do
  begin
    if not ReadChild(Data, SetEnd, Offset, Tag, Start, Len) then
      Break;                       // 不重新同步:对齐已经丢失
    if Tag = $30 then
      Inc(Result);
  end;
end;

注意那个 Break。在证书集合和 signerInfos 集合内部,PLExtractCMSCertificates 做的是同一件事:越过集合结尾的元素让循环停下,函数返回已经接受的那些证书,绝不会把后面的 crls 或 signerInfos 字节粘到最后一张证书上。跳过坏元素继续走听起来很诱人,但那是错误的决定。一旦某个声明长度错了,读取器就不再知道下一个元素从哪开始,任何“恢复”都只是猜哪个字节长得像标签。循环停下之后,一个第二张证书越界一个字节的集合,得到的是计数 1 加上第一张证书原样的字节

2.999.3 怎么会变成 1.15.3?

OID 的前两段合成的是一个子标识符,而且这个子标识符像其他所有段一样按 base-128 编码——它不是一个字节。X.690 §8.19.4 把它定义为 40 * arc1 + arc2。用 Byte(...) 写这个值的编码器在 127 以内——也就是 2.47——都是正确的。对 2.999 来说和是 1079,字节强转留下 55,55 解码成 1.15,标识符于是无声地指向了树上另一个分支,而没有任何东西抱怨。128 到 255 的值坏法不同:强转发出一个置了继续位的字节,解码器把下一段吞进它肚里

这条捷径在真实代码里活了这么久,是因为大多数 PKI 标识符根本到不了边界。1.2.840、2.5.29 和 0.4.0 之下的所有 OID,合并后的首值都远低于 128,所以只用常见签名 OID 搭起来的测试套件永远不会踩到第二个字节。只有 2.48 以上的 joint-iso-itu-t 段会跨过这条线。在 PDFlibPas 里,一个函数 DER_OID 同时服务于签名属性的编码器、DERFindExtensionByOID 里的查找和 SignedData 内容类型检查,写入与匹配因此无法各走各路。测试向量应该放在边界两侧:

uses
  SysUtils, PDFlibASN1;

function Hex(const S: AnsiString): string;
var
  I: Integer;
begin
  Result := '';
  for I := 1 to Length(S) do
    Result := Result + IntToHex(Byte(S[I]), 2) + ' ';
  Result := Trim(Result);
end;

procedure Check(const Oid, Expected: AnsiString);
begin
  if Hex(DER_OID(Oid)) <> Expected then
    WriteLn('MISMATCH ', Oid, ': ', Hex(DER_OID(Oid)), ' expected ', Expected)
  else
    WriteLn('ok       ', Oid);
end;

begin
  Check('2.47.1',               '06 02 7F 01');     // 最后一个单字节值
  Check('2.48.1',               '06 03 81 00 01');  // 第一个双字节值
  Check('2.999.3',              '06 03 88 37 03');  // Byte 强转会得到 1.15.3
  Check('2.5.29.14',            '06 03 55 1D 0E');
  Check('1.2.840.113549.1.7.2', '06 09 2A 86 48 86 F7 0D 01 07 02');
end.
PDFlibPas 的 DER_OID 把 OID 前两段按 40 * arc1 + arc2 合并并在 UInt64 里做 base-128 编码,2.999.3 得到 06 03 88 37 03,而 Byte 强转只留下 55,标识符被无声解码成 1.15.3
大多数 PKI 段到不了这个边界,单字节捷径因此一直没被发现——2.48 以上的 joint-iso-itu-t 段需要两个字节,测试向量应该放在这条线的两侧

同一行算术里还藏着另一处溢出。DER_OID 把各段解析进 Int64,所以合法的第二段可以大到 Int64.MaxValue,arc1 为 2 时再加 80 就会溢出有符号 64 位整数。合并后的值因此用 UInt64 存放,装 Int64.MaxValue + 80 不会回绕。没有人会签发这么大的 OID,但一段构造出来的字符串仍可能提出这种要求。DER_OID 里的十字节暂存缓冲装得下 64 位值需要的全部十个 7 位组,所以连 2.9223372036854775807 都能编码成十字节的子标识符而不是回绕

CMS 遍历接受什么,验证又在哪里

PDFlibCMSRead 返回的字节都落在 RFC 5652 规定的位置,这就是它全部的工作。签名值、摘要、有效期,它一概不查。遍历只接受 DER:DERReadTLV 拒绝不定长编码和多字节标签号,不合规签名者产出的 BER 编码 CMS 会报零张证书。我们宁可如此,也不要对 BER 做部分解析。实际排查时,最显眼的特征是外层 $30 标签后面紧跟一个 $80 长度字节——不定长 SEQUENCE 正是这样开头的

属性证书和 CertificateChoices 的其他备选形式在遍历证书集合时会被跳过,因为只有普通的 Certificate 备选形式是 X.509 证书,链构建和吊销查询才用得上它。所有密码学工作都留在拥有它的代码里:从 Delphi 中的 PAdES 签名与 ByteRange 校验讲的字节覆盖检查开始,到 给 PDF 签名后发生的变化分类继续。对声明长度保持怀疑的同一套习惯,也贯穿在 加固 Pascal PDF 解析器以抵御恶意文件一文里

上面展示的证书提取、链构建和长期验证调用都是 losLab PDF Library for Delphi 的一部分,它同时支持 Delphi、C++Builder 和 Lazarus,同一段签名读取代码既能跑在 Windows 服务里,也能跑在 Linux 构建里