Mbed TLS 3.6.3 版本发布:TLS 安全增强与关键修复
Mbed TLS 是一个开源的 SSL/TLS 加密库,专为嵌入式系统和物联网设备设计,提供了完整的 SSL/TLS 协议实现以及各种加密算法。作为 ARM 公司维护的项目,Mbed TLS 以其轻量级、模块化和高度可配置的特性,成为嵌入式安全通信的重要选择。
本次发布的 Mbed TLS 3.6.3 版本属于长期支持(LTS)分支,将持续获得安全更新和错误修复直至2027年3月。该版本主要解决了TLS握手过程中的几个关键安全问题,并引入了一些新功能和改进。
安全增强
3.6.3版本修复了两个重要的安全问题:
-
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,服务器证书验证过程可能存在潜在风险,攻击者可能借此冒充服务器。新版本默认情况下会阻止此类握手,返回MBEDTLS_ERR_SSL_CERTIFICATE_VERIFICATION_WITHOUT_HOSTNAME错误。开发者可以通过设置MBEDTLS_SSL_CLI_ALLOW_WEAK_CERTIFICATE_VERIFICATION_WITHOUT_HOSTNAME编译选项恢复旧行为,但不建议这样做。 -
TLS 1.2握手完成消息计算问题:当内存分配失败或加密硬件出现故障时,Finished消息可能被错误计算,这会破坏TLS握手的安全性保证。该问题已得到修复。
此外,版本还增加了临时堆缓冲区的清零操作,包括PSA密钥派生过程中的ECC密钥对生成,进一步提升了安全性。
新功能与改进
-
静态密钥槽支持:新增
MBEDTLS_PSA_STATIC_KEY_SLOTS配置选项,允许使用静态存储而非动态分配来管理密钥槽,这对于禁用malloc的环境非常有用。相关缓冲区大小可通过MBEDTLS_PSA_STATIC_KEY_SLOT_BUFFER_SIZE配置。 -
MD模块扩展:现在MD模块可以在
MBEDTLS_PSA_CRYPTO_CLIENT && !MBEDTLS_PSA_CRYPTO_C配置下执行PSA分发,尽管这种配置并非官方支持。这需要链接支持相应PSA_WANT_ALG_xxx的PSA加密提供程序库。 -
性能优化:改进了PSA ECC密钥生成的性能,不再计算立即丢弃的公钥。
重要错误修复
-
TLS握手消息重组:修复了TLS(包括1.2和1.3)中分片握手消息的重组支持问题,该问题导致与某些服务器(特别是TLS 1.3)的握手失败。需要注意,分片的ClientHello仅在启用TLS 1.3支持时才被支持。
-
编译修复:解决了MS-DOS DJGPP平台上的编译问题,以及GCC类编译器在通用x86_64目标上构建AES时的内联汇编约束问题。
-
网络接口修复: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双重关闭问题。 -
调试输出修复:修正了
MBEDTLS_PRINTF_SIZET的定义,解决了Visual Studio 2013或MinGW构建版本中启用SSL调试时可能发生的运行时崩溃。
升级建议
所有使用Mbed TLS的用户都应考虑升级到此版本,特别是那些依赖TLS协议进行安全通信的应用。长期支持分支的特性使得3.6.x系列成为生产环境的稳定选择。升级时应注意新版本中关于主机名验证的默认行为变化,确保应用代码相应调整。
对于嵌入式开发者而言,新加入的静态密钥槽支持为资源受限环境提供了更好的选择,而TLS握手消息重组修复则提升了与各种服务器的兼容性。安全修复更是应该尽快应用到生产环境中,以防止潜在的风险。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00