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 03:30:43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
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 StartedRust0195
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 Notebook0124
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
热门内容推荐
最新内容推荐
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++
860
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++
687
1.35 K
Ascend Extension for PyTorch
Python
721
893
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
449
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
1.01 K
262
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
622
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
638
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