Mbed TLS项目中TLS 1.3多线程安全问题的技术解析
2025-06-05 08:27:51作者:宣利权Counsellor
背景介绍
Mbed TLS是一个广泛应用于嵌入式系统的开源TLS/SSL协议栈实现。在最新版本中,TLS 1.3协议支持被默认启用,这带来了性能和安全性的提升,但也引入了一些需要注意的线程安全问题。
问题本质
在Mbed TLS的默认配置下,当启用TLS 1.3协议支持时,即使开发者没有显式地在多个线程间共享TLS上下文,仍然可能出现线程竞争条件。这是因为TLS 1.3实现强制使用了PSA(Platform Security Architecture)加密子系统,而PSA内部维护了全局状态。
技术细节分析
-
PSA的全局状态特性:
- PSA加密子系统维护了全局密钥存储等共享资源
- 这些资源会被所有使用PSA的线程访问
- 即使开发者没有显式共享TLS上下文,PSA的全局状态仍然构成了隐式共享
-
关键函数调用链:
mbedtls_ssl_tls13_generate_and_write_xxdh_key_exchange是TLS 1.3密钥交换的关键函数- 该函数会调用PSA API进行密钥操作
- 最终会访问
psa_get_and_lock_key_slot_in_memory等需要线程保护的函数
-
配置误解:
- 文档中关于
MBEDTLS_THREADING_C的说明存在误导 - 原文档暗示不共享TLS上下文就不需要线程保护
- 但实际上只要使用PSA(特别是TLS 1.3)就需要线程保护
- 文档中关于
解决方案
-
必须配置:
- 在任何多线程环境中使用Mbed TLS时,必须启用
MBEDTLS_THREADING_C - 这包括但不限于使用TLS 1.3协议的情况
- 在任何多线程环境中使用Mbed TLS时,必须启用
-
配置建议:
#define MBEDTLS_THREADING_C #define MBEDTLS_THREADING_PTHREAD // 或其他适合平台的实现 -
性能考量:
- 启用线程保护会引入一定的性能开销
- 但在多线程环境中这是必要的安全代价
最佳实践
- 在多线程应用中始终启用
MBEDTLS_THREADING_C - 即使不使用TLS 1.3,如果使用任何PSA功能也需要线程保护
- 定期检查Mbed TLS文档更新,了解最新的线程安全要求
总结
Mbed TLS项目在支持TLS 1.3协议后,其线程安全模型发生了重要变化。开发者需要特别注意,现在任何多线程使用场景都需要显式启用线程保护机制,而不再仅仅依赖于不共享TLS上下文的约定。这一变化反映了现代密码学实现中全局状态管理的重要性,也是向更安全设计演进的一部分。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217