Node+TypeScript开发WhatsApp Bot：音频解密后OGG文件损坏问题

我使用Node.js和TypeScript开发WhatsApp聊天机器人，整体功能运行正常，但接收的音频为加密格式。消息中包含url、mimetype、mediaKey等可用于解密的信息，我已实现主处理、加密文件下载、解密三个方法。执行后虽能生成对应的文件，但得到的OGG音频文件已损坏无法播放。

现有代码实现 #

音频处理代码 #

import fs from 'fs/promises';
import fetch from 'node-fetch';
import crypto from 'crypto';
import MessageBotAudio from '../interfaces/messageBotAudio';

export async function downloadFile(url: string, filePath: string): Promise<string> {
    const response = await fetch(url);
    if (!response.ok) {
        throw new Error(`Failed to fetch ${url}: ${response.statusText}`);
    }

    const buffer = await response.buffer();
    await fs.writeFile(filePath, buffer);

    return filePath;
}

const decryptAudio = async (encryptedFilePath: string, decryptedFilePath: string, audioMessage: MessageBotAudio) => {
    try {
        const key = Buffer.from(audioMessage.audioMessage.mediaKey);
        const iv = Buffer.alloc(16, 0);

        const decipher = crypto.createDecipheriv('aes-256-ctr', key, iv);
        const encryptedData = await fs.readFile(encryptedFilePath);
        const decryptedData = Buffer.concat([decipher.update(encryptedData), decipher.final()]);

        await fs.writeFile(decryptedFilePath, decryptedData);

        return decryptedFilePath;
    } catch (error: any) {
        console.error('Error al desencriptar el archivo:', error.message);
        throw error;
    }
};

export const handleAudioMessage = async (audioMessage: MessageBotAudio): Promise<string> => {
    const encryptedFilePath = './audio.enc';
    const decryptedFilePath = './audio.ogg';

    await downloadFile(audioMessage.audioMessage.url, encryptedFilePath);

    return await decryptAudio(encryptedFilePath, decryptedFilePath, audioMessage);
};

消息结构定义 #

export default interface MessageBotAudio {
    audioMessage: AudioMessage;
    messageContextInfo: MessageContextInfo;
}

interface AudioMessage {
    url: string;
    mimetype: string;
    fileEncSha256: Uint8Array;
    fileLength: Long;
    seconds: number;
    ptt: boolean;
    mediaKey: Uint8Array;
    fileSha256: Uint8Array;
    directPath: string;
    mediaKeyTimestamp: Long;
    streamingSidecar: Uint8Array;
    waveform: Uint8Array;
}

interface MessageContextInfo {
    deviceListMetadata: DeviceListMetadata;
    deviceListMetadataVersion: number;
}

interface DeviceListMetadata {
    senderKeyIndexes: number[];
    recipientKeyIndexes: number[];
    senderKeyHash: Uint8Array[];
    recipientKeyHash: Uint8Array[];
    recipientTimestamp: Long[];
}

问题原因及修复方案 #

核心问题 #

1. MediaKey未正确衍生：WhatsApp的mediaKey不能直接作为AES密钥使用，需要通过HKDF算法衍生出实际的加密密钥。
2. IV生成错误：不能使用全0的IV，需要结合mediaKeyTimestamp生成符合要求的初始化向量。

修正后的解密代码 #

const decryptAudio = async (encryptedFilePath: string, decryptedFilePath: string, audioMessage: MessageBotAudio) => {
    try {
        const mediaKey = Buffer.from(audioMessage.audioMessage.mediaKey);
        // 1. 通过HKDF衍生AES密钥
        const hkdfSalt = Buffer.from('WhatsApp Audio', 'utf8');
        const hkdfInfo = Buffer.from('WhatsApp Keys', 'utf8');
        const derivedKey = crypto.hkdfSync('sha256', mediaKey, hkdfSalt, hkdfInfo, 32);

        // 2. 生成正确的IV：mediaKeyTimestamp转8字节大端，前补8个0凑16字节
        const timestampBuffer = Buffer.alloc(8);
        timestampBuffer.writeBigInt64BE(BigInt(audioMessage.audioMessage.mediaKeyTimestamp.toString()), 0);
        const iv = Buffer.concat([Buffer.alloc(8), timestampBuffer]);

        // 3. 执行解密
        const decipher = crypto.createDecipheriv('aes-256-ctr', derivedKey, iv);
        const encryptedData = await fs.readFile(encryptedFilePath);
        // CTR模式不需要自动填充，显式关闭避免数据冗余
        decipher.setAutoPadding(false);
        const decryptedData = Buffer.concat([decipher.update(encryptedData), decipher.final()]);

        await fs.writeFile(decryptedFilePath, decryptedData);

        return decryptedFilePath;
    } catch (error: any) {
        console.error('Error al desencriptar el archivo:', error.message);
        throw error;
    }
};

关键说明 #

• HKDF参数：WhatsApp对音频媒体固定使用salt=WhatsApp Audio、info=WhatsApp Keys，输出32字节对应AES-256密钥。
• IV构造：将mediaKeyTimestamp转为8字节大端数组后，拼接8个字节的0，组成符合要求的16字节IV。
• 自动填充：CTR模式不需要自动填充，关闭后可避免解密数据出现多余填充字节，导致音频文件结构损坏。

内容的提问来源于stack exchange，提问作者Juan Antonio Marquez