ARMmbed/mbedtls项目发布Mbed TLS 2.28.10版本解析
Mbed TLS是一个开源的SSL/TLS加密库,由ARM公司旗下的mbed团队维护。它为嵌入式系统提供了SSL/TLS功能实现,具有模块化设计、低内存占用等特点,广泛应用于物联网设备、嵌入式系统等资源受限环境。Mbed TLS实现了SSL/TLS协议、加密算法、X.509证书处理等核心功能,是构建安全通信的重要基础组件。
版本概述
Mbed TLS 2.28.10是2.28长期支持(LTS)分支的最后一个版本,这意味着该版本之后将不再接收任何错误修复或安全更新。开发团队建议用户尽快升级到受支持的维护版本。
重要安全更新
本次发布修复了两个重要的安全问题:
-
TLS握手过程中的潜在认证问题:在TLS 1.2握手阶段,当计算Finished消息时如果发生内存分配失败或加密硬件故障,可能导致Finished消息计算错误,破坏TLS握手的安全保证。该问题被分配为CVE-2025-27810。
-
TLS客户端主机名验证问题:当TLS客户端未调用mbedtls_ssl_set_hostname()函数时,如果尝试基于证书的服务器认证,可能存在服务器冒充风险。新版本默认情况下会阻止此类握手,并返回MBEDTLS_ERR_SSL_CERTIFICATE_VERIFICATION_WITHOUT_HOSTNAME错误。该问题被追踪为CVE-2025-27809。
默认行为变更
新版本对TLS客户端行为做了重要调整:
-
如果未调用mbedtls_ssl_set_hostname(),且尝试进行基于证书的服务器认证,mbedtls_ssl_handshake()现在会失败并返回特定错误码。这是出于安全考虑,因为在不知道预期主机名的情况下认证服务器通常是不安全的。
-
开发者可以通过两种方式恢复旧行为:调用mbedtls_ssl_set_hostname()时传入NULL作为主机名,或者启用新的编译选项MBEDTLS_SSL_CLI_ALLOW_WEAK_CERTIFICATE_VERIFICATION_WITHOUT_HOSTNAME。
-
ssl->hostname字段的内容在mbedtls_ssl_set_hostname(ssl, NULL)调用后发生了变化,开发者应参考mbedtls_ssl_context结构类型的文档了解详情。
其他改进与修复
-
内存安全增强:清零PSA操作中使用的临时堆缓冲区,防止敏感信息残留。
-
网络功能修复:在mbedtls_net_bind和mbedtls_net_connect中使用mbedtls_net_close替代close,防止可能的文件描述符重复关闭问题。
-
跨平台兼容性:
- 修复了MS-DOS DJGPP平台上的编译问题
- 修复了Visual Studio 2013和MinGW环境下SSL调试启用时的运行时崩溃问题
- 移除了Everest Visual Studio 2010兼容头文件,避免与标准CRT头文件冲突
-
加密算法优化:修复了GCC类编译器为通用x86_64目标构建AES时AES-NI内联汇编的约束问题,该问题可能导致某些编译器优化后生成错误代码。
-
密钥派生功能修复:修正了psa_key_derivation_input_integer()在操作中止后未检测错误状态的问题。
升级建议
考虑到2.28 LTS分支即将结束支持周期,所有用户都应尽快规划升级到受支持的维护版本。对于必须暂时使用2.28.10版本的用户,建议:
- 仔细评估安全更新中提到的两个问题对自身应用的影响
- 检查所有TLS客户端代码是否已正确设置主机名验证
- 在资源允许的情况下启用额外的安全编译选项
- 监控项目后续的安全公告,及时获取升级信息
Mbed TLS作为安全通信的基础组件,其版本更新应纳入企业的安全更新管理流程。开发团队应评估新版本对现有系统的影响,制定合理的升级计划,确保系统安全性的持续提升。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07