Botan项目中ML-DSA签名验证与FIPS 204标准的兼容性问题分析
2025-06-27 06:01:30作者:董宙帆
背景介绍
在密码学领域,ML-DSA(Module Lattice Digital Signature Algorithm)是基于格密码学的数字签名算法,被纳入FIPS 204标准。近期在Botan密码库(版本3.6.1)的集成测试中发现了一个重要问题:该库无法通过FIPS 204 ACVP(Automated Cryptographic Validation Program)的签名验证测试向量。
问题现象
开发团队在将ML-DSA支持添加到strongSwan的Botan插件时,发现以下异常情况:
- FIPS 204 ACVP签名验证测试用例(tcId: 1, 20, 31)验证失败
- 相同的测试向量在使用wolfssl库(版本5.7.4-stable)时却能正常工作
- Botan库的密钥生成测试用例(tcID: 1, 26, 51)通过验证
- 自行编写的完整流程测试(密钥生成→签名→验证)也能正常工作
技术分析
经过深入调查,发现问题根源在于ML-DSA标准实现中的上下文字符串(context string)处理机制。根据FIPS 204标准Algorithm 2的规定:
- ML-DSA引入了上下文字符串概念,默认情况下为空
- 即使上下文字符串为空,消息代表μ(μ)也必须包含与上下文关联的空长度字段
- 这是标准中明确要求的格式处理
Botan库严格按照FIPS 204标准实现了这一机制,而ACVP测试数据实际上测试的是"内部接口"而非完整的签名方案,因此缺少了上下文字符串头部的处理。
解决方案验证
为了验证这一结论,开发团队进行了以下测试:
- 修改Botan的ML-DSA实现,跳过上下文字符串头部处理后,验证成功
- 使用BoringSSL提供的Wycheproof测试向量进行验证,这些测试用例正确实现了ML-DSA上下文字符串编码
- 检查PQ-Crystals参考实现,确认其正确处理了上下文头部
最佳实践建议
对于需要在项目中实现ML-DSA的开发者,建议:
- 完整实现FIPS 204标准,包括上下文字符串处理
- 使用BoringSSL的Wycheproof测试向量作为参考
- 注意区分"内部接口"测试和完整方案测试
- 对于签名操作,使用"Randomized"模式
- 对于验证操作,使用"Pure"模式
结论
Botan库对ML-DSA的实现实际上是正确的,它严格遵循了FIPS 204标准规范。所谓的"失败"实际上是测试向量本身的问题,它们没有完整反映标准要求。这一案例凸显了密码学实现中严格遵循标准规范的重要性,以及使用权威测试向量的必要性。
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-1.5暂无简介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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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