设备身份与证书体系:从一机一密到零信任,一条能被审计的接入链路
设备安全里最容易做错的一件事,是把"认证"当成一个开关:打开 mTLS,任务完成。
真正的设备身份体系有四层,而且这四层是串联的——任何一层缺失,前面几层都会退化成形式。这篇按层讲,每层给一个反例,最后拼成一条可以拿去做等保材料的链路。
时间基线:EMQX 侧按 6.3.x LTS 线文档,截至 2026 年 11 月的具体补丁号见 EMQX 发布说明;阿里云侧按物联网平台现行文档。有一个前提必须先讲清楚:阿里云物联网平台的文档站标题现在是「物联网平台(文档停止维护)」,页面更新时间停在 2023 年,这是截至 2026 年 11 月的状态。它写的协议细节仍然有效,但不要从那里学新东西。
1. 学完能做到什么
- 画出设备从出厂到上线的凭据生命周期,指出三个必然失败的节点
- 说清 mTLS 在握手阶段到底校了什么,以及为什么"CA 配错"比"不配 CA"更危险
- 判断你的场景该用一机一密还是一型一密,并说出代价
- 设计一个不依赖停服重连的证书轮换方案
预期交付三样:凭据生命周期表、证书签发脚本、风控参数表。
2. 四层结构
顺序不能换:先有凭据才能握手,握手过了才谈 ACL,ACL 对了才谈行为风控。
真实事故大多出在第 1、2 层的缝里:凭据是证书,broker 却没强制要求出示。
3. 导入案例:一张过期三天的证书,让三千台设备同时掉线
一个水务项目,设备侧证书有效期 365 天,签发脚本每年跑一次。第二年续签的时候,运维只更新了 broker 的 certfile,没更新设备侧。
第三天早上,三千台设备在证书到期的那一刻陆续失联。现场排查用了一整天,因为 broker 日志只有一行 bad certificate,没有设备号。
教训不在"要记得续签",在三处设计:签发没做错峰,所有证书同天到期;日志没打 peer certificate 的 CN,无法从设备号反查;设备端握手失败就退出重连循环,没有降级路径。三条都能在设计阶段消灭。
4. 凭据形态:三选一,代价不同
| 形态 | 每台设备持有 | 泄露一台的影响 | 出厂流程 | 适合 |
|---|---|---|---|---|
| 一机一密 | 独立 DeviceSecret | 只影响这一台,可单独吊销 | 需要逐台烧录 | 高价值设备、有产线管理系统 |
| 一型一密(预注册) | 产品级 ProductSecret | 同型号全暴露 | 密钥可预置,但设备仍需登记 | 中低价值、量大 |
| 一型一密(免预注册) | 产品级密钥,首次上线换令牌 | 首次注册接口可被批量刷 | 出厂无需登记 | 超大规模、能接受风控兜底 |
| X.509 证书 | 独立证书加私钥 | 只影响这一台 | 需要 CA 与签发系统 | 有 PKI、有轮换机制 |
阿里云的参数值得当对照记一下:一机一密用 ProductKey/DeviceName/DeviceSecret 三元组,ClientID 是 clientId|securemode=3,signmethod=hmacsha1,timestamp=...|,Username 是 deviceName&productKey,Password 是把参数按字典序拼起来用 DeviceSecret 做 HMAC,算法支持 hmacmd5、hmacsha1、hmacsha256。
一型一密免预注册走的是 securemode=-2,authType=connwl,第一次连接时用产品密钥换回 DeviceToken 和 ClientID,再拿它们正式连接。
EMQX 侧没有内置的"一机一密"业务概念,它是用 username/password 认证器加内置数据库或外部 MySQL/Redis 实现的——设备表、密钥、状态都归你管。
不建议这样用:一型一密免预注册,却不做接入风控。产品密钥一旦从哪台设备上被读出来,攻击者可以无限注册虚拟设备。这个模式下风控不是加分项,是必要条件。
5. TLS 双向认证:握手校了什么
关键点:MQTT 的 CONNECT 报文是在 TLS 握手完成之后才发的。也就是说,证书校验失败的话,连接根本不会走到 MQTT 层。
EMQX 里的配置门槛是三个参数同时成立:
listeners.ssl.default {
bind = "0.0.0.0:8883"
ssl_options {
cacertfile = "/etc/emqx/certs/ca.pem" # 你控制的 CA
certfile = "/etc/emqx/certs/server.pem"
keyfile = "/etc/emqx/certs/server.key"
verify = verify_peer # 必须校验对端
fail_if_no_peer_cert = true # 必须出示证书
enable_crl_check = true # 6.x 支持,只对 ssl 监听器
}
}少任何一个都会出问题,后两个尤其。
这里有一处只有被坑过才知道的细节。EMQX 支持把证书字段映射成用户名:mqtt.peer_cert_as_username,取值 disabled / cn / dn / crt / pem / md5,默认 disabled。很多人打开它,就以为完成了"证书绑定身份"。
但文档里写了:这个映射要安全,必须同时强制 mTLS。如果监听器是 verify = verify_none,客户端可以不带证书接入,或拿一张 CN 随便写的自签证书接入,EMQX 不校验,直接把 CN 当用户名。攻击者写 CN=dev-0001 就冒充了。
这个坑的隐蔽之处在于:只开映射、不开 mTLS 时,一切"正常工作"。功能测试全过,因为测试客户端本来就用的是真证书。
文档里还有一条补充:把 listeners.ssl.default.enable_authn 设成 quick_deny_anonymous,推导出的用户名为空的连接立刻被拒。它替代不了 mTLS,但能挡一部分空 CN 的畸形证书。
TLS 终止在上游负载均衡、又开了 proxy_protocol = true 的话,风险一样:EMQX 会信任 PROXY v2 帧里注入的 CN/DN。此时必须让负载均衡自己做 mTLS,并用 access_rules 只放行它的网段。
6. 动手:签发、验证、故意失败
前置:OpenSSL 3.x,EMQX 6.3.x 单节点。
先建一个根 CA,再签一张设备证书。
# 1. 根 CA(生产环境请放 HSM 或离线机器)
openssl req -x509 -newkey rsa:3072 -nodes \
-keyout rootCA.key -out rootCA.crt -days 3650 -sha256 \
-subj "/C=CN/O=Acme IoT/CN=Acme Device Root CA"
# 2. 设备私钥与 CSR
openssl req -newkey rsa:2048 -nodes \
-keyout dev-0001.key -out dev-0001.csr \
-subj "/C=CN/O=Acme IoT/CN=dev-0001/OU=th-200"
# 3. 用 CA 签发,注意有效期故意错峰
openssl x509 -req -in dev-0001.csr -CA rootCA.crt -CAkey rootCA.key \
-CAcreateserial -out dev-0001.crt -days 397 -sha256 \
-extfile <(printf "subjectAltName=DNS:dev-0001\nkeyUsage=digitalSignature\nextendedKeyUsage=clientAuth")
# 4. 验证证书链与用途
openssl verify -CAfile rootCA.crt dev-0001.crt
# 预期输出:
# dev-0001.crt: OK
openssl x509 -in dev-0001.crt -noout -subject -enddate -ext extendedKeyUsage
# 预期输出:
# subject=C=CN, O=Acme IoT, CN=dev-0001, OU=th-200
# notAfter=Dec 18 02:11:07 2027 GMT
# X509v3 Extended Key Usage: TLS Web Client AuthenticationextendedKeyUsage 这一行别省。没有 clientAuth 的证书在部分 TLS 实现里会被拒,报错信息和你以为的"证书不对"完全不像。
然后故意做错一次,看见报错。
# verify_fail.py —— 用错 CA 的设备,预期在握手阶段就失败
import ssl
import paho.mqtt.client as mqtt
ctx = ssl.create_default_context(cafile="wrong-ca.crt") # 故意用错的根
ctx.load_cert_chain("dev-0001.crt", "dev-0001.key")
c = mqtt.Client(mqtt.CallbackAPIVersion.VERSION2,
client_id="dev-0001", protocol=mqtt.MQTTv5)
c.tls_set_context(ctx)
c.connect("127.0.0.1", 8883, keepalive=60)
# 预期输出(paho-mqtt 2.x,版本见官方 releases):
# ssl.SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED]
# certificate verify failed: unable to get local issuer certificate
# 注意:异常发生在 connect(),不是 on_connect 回调。MQTT 层没收到任何报文。把这段代码里的 wrong-ca.crt 换成真正的 rootCA.crt,异常消失。这个过程值得让每个接手设备侧的人手动跑一遍,比读十页文档管用。
7. 证书轮换与吊销
轮换的难点从来不是签一张新证书,而是怎么让正在运行的设备换掉它。
| 方案 | 停机 | 对设备要求 | 我们的选择 |
|---|---|---|---|
| 双证书并行 | 无 | 支持加载第二张证书,或双端口 | 新项目优先 |
| 提前续签,旧证书保留 | 无 | 设备有 OTA 或配置下发能力 | 主推 |
| 到期前强制重连换证 | 秒级中断 | 设备能接受指令并重连 | 存量机兜底 |
| 换设备 | 大 | 无 | 只在无法 OTA 时 |
双证书并行最稳:broker 同时信任新旧两张 CA 签发的证书(cacertfile 里放两段 PEM),设备在有效期剩三分之一时申请新证书写入备用槽,验证可用后切换。旧证书过期即失效,不必吊销。
吊销只在私钥泄露时才用。EMQX 从 5.0.3 起支持 CRL 检查(当前版本的参数名与限制见 EMQX TLS 配置文档),需要同时满足:verify = verify_peer、enable_crl_check = true、客户端证书里带 Distribution Point、CRL 文件包含 Issuing Distribution Point 扩展(RFC 3280 5.2.5)。CRL 默认每 15 分钟刷新一次缓存。
注意限制:CRL 只对 ssl 类型的监听器生效,wss 和 QUIC 监听器不支持。如果你的设备走 WebSocket,得用别的办法。
不建议这样用:把吊销当成日常操作手段。CRL 有缓存延迟,OCSP 依赖外部服务可用性,两者都不适合"立即切断某台设备"。真要立刻切断,用 broker 的管理 API 踢连接加封禁,比证书撤销快得多。
8. 应用层鉴权与运行期风控
证书证明"你是谁",ACL 决定"你能干什么"。
配合 peer_cert_as_username 派生出的身份,ACL 可以写成设备只能读写自己的子树:
# 授权规则(示意),设备身份来自证书 CN
authorization {
sources = [
{
type = built_in_database
enable = true
}
]
no_match = deny # 默认拒绝,这一行必须显式写
deny_action = ignore
}no_match = deny 是要单独强调的一条。默认允许、命中才拒绝的模型,漏写一条规则就等于开了一个口子。
运行期风控看两个指标:连接频次和连接来源。
EMQX 的 flapping_detect(震荡检测)在 6.3 线做了一次结构调整(字段以当前 EMQX 配置文档 为准)。之前是 enable / window_time / max_count / ban_time 四个平铺字段,现在拆成三个独立维度:by_clientid、by_username、by_peerhost,每个维度单独配 window_time(默认 1 分钟)、max_count(默认 15 次)、ban_time(默认 5 分钟),维度默认是关的,这一点最容易漏。
三个维度全关时,这个功能等于不存在。
这里有个从 5.x 上来的迁移陷阱:旧字段在 6.3 里被标记废弃,配置转换器会把它们"抬"进 by_clientid。如果你原来只开了 flapping_detect.enable = true,升级后它变成了只按 ClientID 检测——原本你可能指望它按 IP 拦扫描,那层保护就没有了。要补 by_peerhost。
还有一处容易误读:计数是每个节点独立维护的,集群不汇总。八节点集群里,同一台设备可以在每个节点各撞 14 次而不触发封禁。封禁动作本身会跨节点复制,但计数基准不是全局的。设计阈值时要把节点数算进去。
阿里云侧管的是连接速率和心跳:Keep Alive 只接受 30 到 1200 秒,超出范围直接拒绝连接,保活判定口径是"心跳 × 1.5 加定时检测等待",平台每 30 秒检测一次。
Keep Alive 太短,百万设备每秒的心跳本身就是一次小规模 DDoS;太长,掉线发现就慢。
9. 云端零信任:把假设写下来
零信任在设备场景里不是买一个网关,而是明确几条假设:
一,网络位置不代表可信。设备在内网也走 mTLS,不因为"在厂区网段"就放行。
二,每次连接都要重新认证。MQTT 长连接是个例外,建好就复用。要么缩短会话过期,要么用 MQTT 5 的增强认证(AUTH 报文,原因码 0x18 Continue authentication / 0x19 Re-authenticate)在连接内再认证。
三,权限最小化且可审计,每条 ACL 规则都要能回答"为什么这个设备需要这个权限"。
四,吊销路径必须比授权路径快:授权跑一个月,吊销跑一秒。
对照表放在这里:
| 维度 | EMQX 6.3.x | 阿里云物联网平台 |
|---|---|---|
| 双向认证 | verify_peer + fail_if_no_peer_cert | 支持,X.509 证书认证有独立流程 |
| 证书字段绑定身份 | peer_cert_as_username(cn/dn/crt/pem/md5) | 无同名机制,靠三元组 |
| 吊销 | CRL 检查,仅 ssl 监听器 | 设备禁用/删除 |
| 一机一密 | 需自建认证器与设备库 | 原生支持,三元组 |
| 一型一密 | 需自建 | 原生支持,含免预注册 |
| 震荡封禁 | flapping_detect,6.3 起走 by_clientid | 连接频次限制 |
| Keep Alive 约束 | 由 keepalive 服务端设置覆盖 | 30–1200 秒硬约束 |
| 审计日志 | 企业版 Dashboard 审计日志 | 日志服务 |
10. 三种流传很广的说法,逐条拆
很多人以为双向认证就是两张证书。实际上"双向"指的是双方都校验对方,只配 cacertfile 而不开 verify_peer,客户端那张证书根本没被看过。
很多人以为证书里写了 CN 就能当设备号用。EMQX 的映射默认是 disabled,要显式打开,而且打开必须配套 mTLS,否则 CN 是可伪造的输入。
很多人以为一机一密更安全所以无脑选它。它确实更安全,但要求你有产线烧录能力和设备台账;没有这两样,落地会退化成所有设备写同一个 secret,还不如一型一密加风控。
11. 中英名词对照
| 中文 | 英文 | 一句话 |
|---|---|---|
| 一机一密 | Per-device secret | 每台设备独立密钥,泄露影响单台 |
| 一型一密 | Per-product secret | 同型号共享产品密钥,首次上线换设备令牌 |
| 双向认证 | Mutual TLS | 客户端与服务端互相校验证书 |
| 证书吊销列表 | CRL | 被吊销证书的清单,靠 Distribution Point 分发 |
| 在线证书状态协议 | OCSP | 实时查询证书状态,依赖外部服务 |
| 增强认证 | Enhanced Authentication | MQTT 5 的 AUTH 报文,支持连接内再次认证 |
| 震荡检测 | Flapping Detection | 短时间内反复上下线的客户端自动封禁 |
| 默认拒绝 | Default Deny | ACL 未命中即拒绝,安全模型的基线 |
12. 留给接手这套体系的人
一,你的设备证书有效期 397 天,broker 的 CA 有效期 10 年。三年后要换根 CA,怎么做到不停机、不重烧设备?
二,如果一台设备的私钥被提取出来,攻击者复制了它。你的体系里,从发现到切断这条通道,需要多久?链路上有几个环节要人工确认?
三,peer_cert_as_username = cn,监听器配了 verify = verify_peer 但 fail_if_no_peer_cert = false。攻击者能做什么,不能做什么?答案在 EMQX X.509 认证那页文档里,就一句话,很容易读漏。
同一批的技术背景在 MQTT 5 主题设计 和 百万连接 Broker 集群复盘;集群侧的证书配置与本文第 5 节讲的是同一套参数,只是视角从设备换到了节点。