libffi项目中AArch64架构下BTI特性支持问题分析
在AArch64架构的软件安全防护机制中,分支目标识别(BTI)是一项重要的安全特性。该特性通过硬件支持来防止恶意代码通过控制流劫持执行非预期的跳转目标。现代编译器如GCC和Clang提供了-mbranch-protection=standard编译选项来启用BTI支持。
近期在Fedora 39 aarch64系统上构建libffi项目时,开发人员发现了一个关于BTI支持的有趣问题。当使用标准分支保护选项编译后,生成的共享库文件(如libgnutls.so)理论上应该包含BTI相关的ELF注释信息。然而通过readelf -n命令检查时,这些关键的安全标记却意外缺失。
进一步分析表明,当添加链接器选项-Wl,-zforce-bti,--fatal-warnings进行构建时,问题根源指向了src/aarch64/sysv.S汇编文件。这个文件是libffi项目中处理AArch64架构系统调用的关键组件。
从技术实现角度看,BTI支持需要在汇编代码中正确插入bti指令,并在ELF文件中设置相应的程序属性。现代工具链通常会自动处理这些细节,但在某些特定情况下,特别是涉及手写汇编代码时,可能需要显式声明。在libffi的案例中,AArch64架构特定的汇编实现可能没有包含必要的BTI指令或相关标记,导致最终生成的二进制文件缺少预期的安全特性注释。
这个问题的重要性在于,缺少正确的BTI标记可能导致运行时环境无法充分利用硬件提供的控制流完整性保护。对于像libffi这样的底层库,其安全性直接影响依赖它的上层应用程序。
开发团队已经通过提交修复了这个问题,确保AArch64架构的汇编代码正确支持BTI特性。这个案例也提醒我们,在使用高级安全特性时,需要特别注意手写汇编代码的兼容性处理,特别是在跨平台开发场景下。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00