Mbed TLS 4.0中TF-PSA-Crypto内部配置符号的暴露问题解析
2025-06-05 20:56:24作者:齐冠琰
在Mbed TLS 4.0版本开发过程中,项目团队面临一个重要的技术挑战:如何正确处理TF-PSA-Crypto内部配置符号的暴露问题。这个问题涉及到密码学库的核心架构设计,特别是当Mbed TLS启用PSA Crypto支持时的兼容性处理。
背景与现状
Mbed TLS 3.6版本中,当启用MBEDTLS_USE_PSA_CRYPTO选项时,X.509和TLS代码主要依赖PSA_WANT_xxx系列宏或相关派生符号(如MBEDTLS_MD_CAN_xxx、MBEDTLS_PK_HAVE_xxx)来判断是否支持特定的密码学机制。这种设计源于"driver-only"架构的工作成果。
然而,当前实现中存在一些例外情况,X.509和TLS代码仍然依赖一些传统符号。随着TF-PSA-Crypto的配置将完全基于PSA_WANT_xxx系列宏,但内部仍会保留一些传统符号,这就产生了兼容性问题。
核心问题
在Mbed TLS 4.0中,需要从TF-PSA-Crypto配置中访问某些内部符号。具体来说,RSA相关的几个关键配置符号需要特别注意:
- MBEDTLS_RSA_C
- MBEDTLS_PKCS1_V15
- MBEDTLS_PKCS1_V21
这些符号必须包含在Mbed TLS 4.x版本能够访问的头文件中,直到完成向PSA的完整迁移。
技术影响
这个问题的解决对于Mbed TLS的架构演进至关重要:
- 向后兼容性:确保现有代码在迁移过程中能够继续工作
- 架构清晰性:明确区分传统接口和PSA接口的边界
- 功能完整性:保证所有密码学操作在不同配置下都能正确执行
解决方案方向
虽然原始问题描述中提到这是一个小规模(XS)的技术问题,但它实际上反映了密码学库架构演进过程中的一个典型挑战。解决这类问题通常需要考虑:
- 过渡期设计:如何优雅地处理新旧接口并存阶段
- 符号可见性:合理控制哪些内部符号需要暴露给上层模块
- 长期架构:确保临时解决方案不会成为未来架构的负担
总结
Mbed TLS向PSA Crypto的迁移是一个渐进过程,在这个过程中,处理内部配置符号的暴露问题需要谨慎平衡短期需求和长期架构目标。通过合理设计过渡方案,可以确保库的功能完整性同时为最终架构目标铺平道路。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
631
143
React Native鸿蒙化仓库
JavaScript
243
316
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
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
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++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
110
仓颉编译器源码及 cjdb 调试工具。
C++
128
858
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
211