OpenSC项目中EC和EDDSA公钥编码格式的技术解析
背景介绍
在OpenSC项目中,椭圆曲线(EC)和Edwards曲线数字签名算法(EDDSA)公钥的编码格式一直存在一些技术争议。本文将从密码学标准的角度,深入分析OpenSC项目中公钥编码的实现方式及其合理性。
两种编码格式对比
OpenSC项目在处理EC和EDDSA公钥时,主要采用两种不同的编码方式:
-
SPKI格式:符合PKCS#15和X.509证书标准,采用ASN.1序列结构,包含曲线OID和以BIT STRING格式编码的公钥数据。这种格式被广泛认可为标准实现。
-
OCTET STRING格式:直接将公钥数据编码为ASN.1 OCTET STRING。这种格式主要用于OpenSC内部处理。
标准规范分析
经过深入研究相关密码学标准,我们发现:
-
ANSI X9.62标准明确指出:"椭圆曲线公钥(作为OCTET STRING的ECPoint)被映射到subjectPublicKey(一个BIT STRING)"。这表明在SubjectPublicKeyInfo结构中,ECPoint应作为BIT STRING呈现。
-
PKCS#11规范要求CKA_EC_POINT属性应为"ANSI X9.62 ECPoint值的DER编码"。
-
RFC 8410同样规定EdDSA和ECDH的公钥应使用BIT STRING格式。
OpenSC的实现演变
OpenSC对EC公钥的支持始于2010年,最初实现采用了OCTET STRING格式:
static struct sc_asn1_entry c_asn1_ec_pointQ[2] = {
{ "ecpointQ", SC_ASN1_OCTET_STRING, SC_ASN1_TAG_OCTET_STRING, SC_ASN1_ALLOC, NULL, NULL },
{ NULL, 0, 0, 0, NULL, NULL }
};
这种实现方式实际上符合ANSI X9.62对ECPoint的定义,即当不作为SubjectPublicKeyInfo使用时,ECPoint确实应表示为OCTET STRING。
PKCS#15标准的解读
PKCS#15 v1.1标准定义了ECPublicKeyChoice结构:
ECPublicKeyChoice ::= CHOICE {
raw ECPoint,
spki SubjectPublicKeyInfo,
...
}
这表明智能卡上可以存储两种格式的公钥:原始的ECPoint或完整的SubjectPublicKeyInfo。OpenSC对这两种格式的支持都是合理的。
PKCS#11属性的考量
在PKCS#11规范中:
-
CKO_PUBLIC_KEY对象不包含CKA_VALUE属性,但在v2.40和3.0版本中增加了CKA_PUBLIC_KEY_INFO属性。
-
OpenSC目前实现了CKA_VALUE和CKA_SPKI(作为供应商特定属性),未来可以增加对CKA_PUBLIC_KEY_INFO的支持。
实际应用示例
以YubiKey使用brainpoolP256r1曲线为例,当前输出显示:
EC_POINT: 0441042853adc20c3fb426b0b85483baa870a6f0bcdbb3e17ead4e18552614910ada25118d1ca82b0f44c15b90ee19950b182749a395a2940985ee6d3358a5ea43b434
这里的'04'标签表示OCTET STRING,后跟未压缩格式的EC公钥数据(04||x||y),这种表示方式在非SubjectPublicKeyInfo场景下是正确的。
结论
经过深入分析密码学标准和OpenSC实现,我们得出以下结论:
-
OpenSC当前对EC和EDDSA公钥的两种编码方式都是正确的,分别适用于不同场景。
-
在SubjectPublicKeyInfo结构中,公钥必须使用BIT STRING格式。
-
在原始ECPoint表示和其他内部使用场景中,OCTET STRING格式同样符合标准。
因此,OpenSC现有的实现方式不需要修改,但可以进一步完善对PKCS#11新属性的支持,以提升兼容性。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0113
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00