Mbed TLS 4.0中TF-PSA-Crypto内部配置符号的暴露问题解析
2025-06-05 10:29:50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
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 StartedRust0197
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 Notebook0125
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。Python05
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
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.95 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
Ascend Extension for PyTorch
Python
722
894
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
450
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
264
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
624
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
639
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250