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 00:37:05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
kernelopenEuler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。C038
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen 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TSX0118
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
434
3.29 K
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++
694
367
Ascend Extension for PyTorch
Python
240
272
暂无简介
Dart
693
162
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
React Native鸿蒙化仓库
JavaScript
269
328
🔥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
65
19
🎉 (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
1.22 K
673
仓颉编译器源码及 cjdb 调试工具。
C++
138
869