Rustls项目中TLS 1.3签名方案扩展性问题的分析与解决
在Rustls项目中,开发者发现了一个关于TLS 1.3协议中签名方案(SignatureScheme)扩展性的重要问题。这个问题主要出现在尝试为Rustls添加后量子密码学(PQC)算法支持时,特别是当开发者尝试集成liboqs库中的ML-DSA签名算法时。
问题背景
Rustls是一个用Rust编写的现代化TLS库,以其安全性和性能著称。在TLS 1.3协议中,签名方案的选择是一个关键环节,它决定了客户端和服务器之间如何进行身份验证和数据完整性保护。
当开发者尝试为Rustls添加自定义的密码学提供程序(CryptoProvider),以支持后量子签名算法ML-DSA时,发现服务器端无法正确处理客户端提供的自定义签名方案。具体表现为服务器会返回"PeerIncompatible(NoSignatureSchemesInCommon)"错误,导致握手失败。
问题根源分析
深入分析Rustls源代码后发现,问题的核心在于服务器端对TLS 1.3签名方案的处理逻辑。在当前的实现中,服务器端会通过一个名为supported_in_tls13()的方法对客户端提供的签名方案进行过滤,只保留预定义在白名单中的方案。
这种设计导致了以下问题:
- 任何自定义的签名方案(使用SignatureScheme::Unknown变体)都会被自动过滤掉
- 服务器无法识别客户端提供的后量子签名方案
- 扩展性受限,无法灵活添加新的签名算法
解决方案
Rustls维护团队迅速响应并提出了两种解决方案思路:
-
直接扩展法:在SignatureScheme枚举中显式添加所需的签名方案变体,并确保它们在supported_in_tls13()中被正确启用。
-
更灵活的拒绝列表法:将当前的允许列表模式改为拒绝列表模式。拒绝列表只需要包含不安全的算法(如使用SHA1的算法和RSA-PKCS1),而其他算法则默认允许。这种方法提供了更好的扩展性,使未来添加新算法更加容易。
维护团队最终选择了第二种方案,因为它提供了更好的长期扩展性。这个变更已经通过拉取请求实现,并在Rustls 0.23.26版本中发布。
技术影响
这一变更对Rustls项目具有重要意义:
-
更好的扩展性:现在开发者可以更容易地为Rustls添加新的签名算法支持,特别是后量子密码学算法。
-
安全性保持:通过拒绝列表而非允许列表,在保持安全性的同时提高了灵活性。拒绝列表只需要关注已知不安全的算法。
-
后量子密码学支持:这一变更为Rustls支持ML-DSA等后量子签名算法扫清了道路,为应对未来的量子计算威胁做好准备。
开发者建议
对于需要在Rustls中使用自定义签名方案的开发者,现在可以:
- 确保使用Rustls 0.23.26或更高版本
- 自定义签名方案不再会被自动过滤
- 仍需确保实现的签名算法满足TLS协议的安全要求
这一改进展示了Rustls项目对安全性和扩展性的持续关注,同时也体现了开源社区快速响应和解决问题的能力。对于关注TLS协议实现和后量子密码学的研究人员和开发者来说,这无疑是一个积极的进展。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00